سوفت بنك وياسكاوا تنهضان بالروبوتات المتطورة في مجال الذكاء الاصطناعي المادي على البنية التحتية السحابية
تحقق الروبوتات الصناعية طفرة كبيرة في القدرات، حيث يتصل الذكاء الاصطناعي السحابي مباشرةً بالمعالجة المادية في الوقت الفعلي. وقد نجحت شركة الاتصالات الرائدة سوفت بنك كورب (SoftBank Corp.) وشركة ياسكاوا إلكتريك (Yaskawa Electric Corporation)، المتخصصة في تصنيع الروبوتات الصناعية، بالتعاون مع إنفيديا (NVIDIA)، في إثبات قدرة نظام روبوتي متخصص على التعامل مع الأجسام المرنة والقابلة للتشوه بدرجة كبيرة. يعتمد هذا المشروع على منصة "AI Data Center GPU Cloud" من سوفت بنك، ويُنشئ خط أنابيب مبسطًا يربط بين التقاط بيانات الحركة في العالم الحقيقي، وتدريب النماذج المستندة إلى السحابة، والمحاكاة الاصطناعية، والتنفيذ المباشر على الروبوتات الصناعية في ورش العمل.
تاريخيًا، اعتمدت أنظمة التحكم في الحركة الصناعية التقليدية على التخطيط الحتمي للمسار، بافتراض أن قطع العمل المستهدفة تحافظ على أشكال هندسية ثابتة ومواقع ثابتة. يمثل التعامل مع المواد المرنة مثل ضفائر الأسلاك، أو الألواح القماشية، أو الكابلات الصناعية صعوبات بالغة في التحكم بسبب الترهل والانحناء والتشابك غير المتوقع. لسد هذه الفجوة، طورت ياسكاوا إعدادًا متخصصًا للتحكم يستفيد من بنية رؤية-لغة-حركة (VLA). من خلال فصل الحركات الميكانيكية الحتمية عن التقييم المكاني في الوقت الفعلي، يقوم النظام بفصل الإدراك عالي المستوى واختيار نقطة الإمساك في وحدة ذكاء اصطناعي معيارية، مما يضمن تنفيذًا مستقرًا دون إعادة هندسة روتينات الحركة الأساسية.
تعمل بيئة التطوير الأساسية لشركة سوفت بنك على تبسيط هذه الحلقة من خلال دمج مكتبات محاكاة NVIDIA Omniverse جنبًا إلى جنب مع أطر عمل NVIDIA Cosmos للعالم المفتوح. يتم تحميل بيانات الحركة وتدفقات الرؤية التي يتم جمعها من الروبوتات الفيزيائية إلى سحابة GPU، حيث يقوم تعزيز البيانات الاصطناعية بإنشاء ملايين من السيناريوهات المحتملة للحالات المتطرفة. تتدرب نماذج الذكاء الاصطناعي مباشرةً داخل هذه البنية التحتية السحابية، مما يسمح لمهندسي التحكم بمراقبة التحسين من خلال واجهة رسومية مركزية قبل تقييم سلامة المسار داخل البيئات الافتراضية. بمجرد التحقق من صحتها، يتم نشر النماذج المتقنة مباشرةً على الأجهزة الميدانية. خلال اختبارات التحقق المباشر، نجح الإعداد في التعرف على ضفائر الأسلاك الصناعية المتحركة وتوجيهها ووضعها في صناديق في الوقت الفعلي، مما يثبت أن الذكاء الاصطناعي الفيزيائي المتصل بالسحابة يمكن أن يقلل بشكل كبير من دورات النشر لعمليات التجميع المعقدة عبر شبكات التصنيع العالمية.