Ekosystém robotiky NVIDIA posouvá fyzickou umělou inteligenci do průmyslové automatizace
GTC 2026 ukázala posun od simulací AI k průmyslové robotice připravené k nasazení. Partneři společnosti NVIDIA předvedli jednotné pracovní postupy propojující trénovací data, simulaci a skutečný to...
Průmyslová AI se přesouvá z výzkumných prostředí do výroby. Na konferenci GTC 2026 představila společnost NVIDIA spolupráce zaměřené na propojení simulace, trénování a hardwaru pro automatizaci v reálném provozu. Cílem je zkrátit cestu od vývoje modelu k robotickým systémům připraveným k nasazení ve výrobě.
Partneři včetně společností FANUC, Universal Robots a Infineon předvedli, jak lze propojit simulační platformy, edge computing a průmyslový hardware do jednotného pracovního postupu. Tento vývoj odráží posun směrem k robotům, které lze trénovat, ověřovat a přizpůsobovat pomocí skutečných provozních dat.
Propojení simulace s nasazením ve výrobě
FANUC předvedl propojení simulace robotů se skutečným provozem. Propojením nástrojů pro offline simulaci s prostředími podporujícími AI mohou inženýři modelovat výrobní linky a ověřovat pohyby robotů před nasazením.
Po ověření lze tyto konfigurace přenést přímo do fyzických robotů. Zkracuje se tím doba uvedení do provozu a zmenšuje rozdíl mezi virtuálním testováním a výkonem ve výrobě.
Moduly Edge AI umožňují robotům provádět inferenci lokálně a zároveň zajišťují kompatibilitu s otevřenými vývojovými nástroji. Podpora ROS 2 a Pythonu také snižuje závislost na proprietárních programovacích prostředích.
Tyto možnosti posouvají programování robotů od pevných trajektorií k adaptivnímu chování. Systémy dokážou interpretovat vstupy na vyšší úrovni a dynamicky generovat pohyby, čímž zvyšují flexibilitu v měnícím se výrobním prostředí.
Trénovací data ze skutečných pohybů robotů
Universal Robots se zaměřil na jedno z hlavních omezení fyzické AI: sběr použitelných trénovacích dat. Jeho přístup zachycuje informace o pohybu a síle přímo z výrobních robotů, nikoli z kontrolovaných laboratorních systémů.
V tomto nastavení operátor vede jednoho robota a druhý zrcadlí jeho pohyby. Systém zaznamenává synchronizované datové sady zahrnující údaje o poloze, síle a vidění. Tyto datové sady slouží k trénování modelů AI určených pro manipulační a montážní úlohy.
Simulační nástroje NVIDIA se používají k rozšiřování těchto datových sad o syntetické tréninkové scénáře. Kombinace simulovaných dat a dat z reálného světa vytváří zpětnou vazbu, která umožňuje rychlejší zdokonalování modelů.
Tento pracovní postup usnadňuje přenos z tréninku do nasazení. Modely natrénované na výrobním hardwaru se při přechodu do provozních automatizačních systémů chovají předvídatelněji.
Hardwarové platformy pro fyzickou umělou inteligenci
Společnost Infineon se zaměřila na hardwarovou vrstvu potřebnou pro podporu robotiky využívající umělou inteligenci. Spolupráce se soustředí na propojení 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 riziko při integraci a urychluje vývoj komplexních robotických platforem.
Součástí architektury jsou také zabezpečení a funkční bezpečnost. Ochrana na úrovni hardwaru a funkce zabezpečeného spouštění mají pomoci splnit průmyslové požadavky na bezpečné nasazení umělé inteligence.
Rozšiřování ekosystému robotiky
Další oznámení z ekosystému potvrdila posun k fyzické umělé inteligenci připravené k nasazení. Dodavatelé automatizačních řešení představili softwarové vrstvy, infrastrukturní komponenty a systémy pro zachycování pohybu určené pro robotiku využívající umělou inteligenci.
- Softwarové platformy standardizují interakci umělé inteligence s automatizačním zařízením
- Infrastrukturní řešení zajišťují napájení a chlazení pro úlohy umělé inteligence
- Systémy pro zachycování pohybu vytvářejí tréninková data pro humanoidní roboty
Tyto vývojové trendy společně ukazují přechod od pevně dané automatizace k systémům, které se učí z dat a přizpůsobují se měnícím požadavkům výroby. Simulace, trénink a nasazení se stále častěji považují za souvislý proces, nikoli za oddělené fáze.
Jak tyto technologie dozrávají, průmysloví roboti se mohou proměnit z předprogramovaných strojů v adaptivní platformy schopné 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.