Ekosystém robotiky NVIDIA posouvá fyzickou umělou inteligenci do průmyslové automatizace

Průmyslová umělá inteligence se přesouvá z výzkumného prostředí do nasazení ve výrobních závodech. Na konferenci GTC 2026 NVIDIA představila spolupráce zaměřené na propojení simulace, trénování a hardwaru pro automatizaci v reálném světě. Cílem je zkrátit cestu od vývoje modelu k robotickým systémům připraveným pro výrobu.

Partneři včetně společností FANUC, Universal Robots a Infineon předvedli, jak lze simulační platformy, edge computing a průmyslový hardware spojit do jediného pracovního postupu. Tento vývoj odráží posun k robotům, které lze trénovat, validovat a přizpůsobovat pomocí skutečných provozních dat.

Propojení simulace s nasazením ve výrobě

Společnost FANUC předvedla integraci mezi simulací robotů a prováděním úloh v reálném světě. Propojením offline simulačních nástrojů s prostředími využívajícími umělou inteligenci mohou inženýři modelovat výrobní linky a ověřovat pohyb robotů ještě před nasazením.

Po ověření lze tyto konfigurace přímo přenést do fyzických robotů. Tím se zkracuje doba uvádění do provozu a omezuje rozdíl mezi virtuálním testováním a výkonem ve výrobě.

Moduly edge AI umožňují robotům provádět inferenci lokálně a současně zachovávají kompatibilitu s otevřenými vývojovými nástroji. Podpora ROS 2 a Pythonu také snižuje závislost na proprietárních programovacích prostředích.

Tyto možnosti posouvají programování robotů od pevných pohybových trajektorií k adaptivnímu chování. Systémy mohou interpretovat vstupy vyšší úrovně a dynamicky generovat pohyb, čímž zvyšují flexibilitu v měnícím se výrobním prostředí.

Trénovací data ze skutečných pohybů robotů

Společnost Universal Robots se zaměřila na jedno z hlavních omezení fyzické umělé inteligence: získávání použitelných trénovacích dat. Její přístup zachycuje informace o pohybu a síle přímo z výrobních robotů namísto použití kontrolovaných laboratorních systémů.

V tomto uspořádání operátor vede jednoho robota, zatímco druhý jeho pohyb zrcadlí. Systém zaznamenává synchronizované datové soubory včetně údajů o poloze, síle a obrazu. Tyto datové soubory slouží jako vstup pro modely umělé inteligence určené k úlohám manipulace a montáže.

Simulační nástroje NVIDIA se používají k rozšíření těchto datových souborů o syntetické trénovací scénáře. Kombinace simulovaných a reálných dat vytváří zpětnou vazbu pro rychlejší zdokonalování modelů.

Tento pracovní postup zlepšuje přenos z trénování do nasazení. Modely trénované na výrobním hardwaru se při přesunu do živých automatizačních systémů chovají předvídatelněji.

Hardwarové platformy pro fyzickou umělou inteligenci

Společnost Infineon se zaměřila na hardwarovou vrstvu potřebnou pro podporu robotiky řízené umělou inteligencí. Spolupráce se soustředí na spojení řízení motorů, snímání a výpočetních platforem do referenčních architektur.

Digitální dvojčata akčních členů a senzorů umožňují vývojářům ověřovat strategie řízení pohybu ještě před dokončením hardwaru. Tím se snižuje integrační riziko a urychluje vývoj komplexních robotických platforem.

Součástí architektury jsou také zabezpečení a funkční bezpečnost. Ochrana na úrovni hardwaru a funkce bezpečného spouštění mají podpořit průmyslové požadavky na bezpečné nasazení umělé inteligence.

Rozšiřování robotického ekosystému

Další oznámení z ekosystému posílila trend směrem k nasaditelné fyzické umělé inteligenci. Dodavatelé automatizačních řešení představili softwarové vrstvy, infrastrukturní komponenty a systémy pro snímání pohybu navržené pro robotiku řízenou umělou inteligencí.

• Softwarové platformy standardizují interakci umělé inteligence s automatizačním zařízením
• Infrastrukturní řešení řeší napájení a chlazení pro úlohy umělé inteligence
• Systémy pro snímání pohybu generují trénovací data pro humanoidní roboty

Tyto vývojové kroky společně ukazují přechod od pevně nastavené automatizace k systémům, které se učí z dat a přizpůsobují se měnícím se požadavkům výroby. Simulace, trénování a nasazení jsou stále častěji vnímány jako nepřetržitý proces, nikoli jako oddělené fáze.

S dozráváním těchto technologií se průmyslové roboty mohou posunout od předprogramovaných strojů k adaptivním platformám schopným reagovat na skutečné podmínky ve výrobě.

Lin Haibin píše o technologiích průmyslové automatizace se zaměřením na robotiku, řídicí systémy využívající umělou inteligenci a výrobní platformy nové generace.