شرکتهای صنعتی برای تحول در عملیات خود به استقبال هوش مصنوعی فیزیکی و سیستمهای خودران رفتهاند. این امر شامل استقرار ناوگان رباتهای ناهمگن میشود که شامل رباتهای متحرک، دستیاران انساننما، دوربینهای هوشمند و عاملهای هوش مصنوعی در سراسر کارخانهها و انبارها است.
برای بهرهبرداری از پتانسیل کامل این سیستمهای مجهز به هوش مصنوعی فیزیکی، شرکتها به دوقلوهای دیجیتال تأسیسات خود متکی هستند—محیطهای مجازی برای شبیهسازی و بهینهسازی نحوه تعامل و انجام وظایف پیچیده توسط سیستمهای خودران. این رویکرد مبتنی بر شبیهسازی، به شرکتها امکان میدهد تا پیش از استقرار فیزیکی، تأیید کنند که ناوگان رباتهایشان میتوانند در محیطهای پویا هماهنگ شده و سازگار شوند و بدین ترتیب، گذار به عملیات صنعتی کاملاً خودران را تسریع بخشند.
شبیهسازی ناوگان رباتها در دوقلوهای دیجیتال صنعتی
بلوپرینت Mega NVIDIA Omniverse به شرکتها امکان میدهد تا توسعه و استقرار هوش مصنوعی فیزیکی را در کارخانهها، انبارها و تأسیسات صنعتی تسریع کنند.
این گردش کار به توسعهدهندگان امکان میدهد تا از شبیهسازی حسگرها و تولید دادههای مصنوعی برای شبیهسازی عملیات پیچیده خودران و تأیید عملکرد سیستمهای هوش مصنوعی فیزیکی در دوقلوهای دیجیتال صنعتی پیش از استقرار در دنیای واقعی، بهرهمند شوند.
این پست اجزای این بلوپرینت را توضیح میدهد تا بتوانید کار توسعه خط لوله شبیهسازی و اعتبارسنجی ناوگان ربات خود را آغاز کنید.
سیستمهای مدیریت تأسیسات یا ناوگان
سیستمهای مدیریت ناوگان مسئول کمک به شرکتها در مدیریت، هماهنگی و بهینهسازی ناوگان رباتها برای اهداف یا وظایف خاص مانند حمل و نقل کالا، مرتبسازی اقلام و مدیریت موجودی هستند. برای افزایش قابلیتهای تصمیمگیری، این سیستمها میتوانند در گردش کار ادغام شوند. با اتصال این سیستمها به دریاچه داده (data lake) سازمانی، مدیر ناوگان میتواند به حجم وسیعی از دادهها دسترسی پیدا کرده و از آنها برای بهبود هماهنگی و بهینهسازی مأموریتهای ناوگان استفاده کند.
در داخل بلوپرینت، نرمافزار مدیر ناوگان یکپارچه با استفاده از رابط استاندارد صنعتی VDA5050 با مغزهای مختلف رباتها ارتباط برقرار میکند. این رابط یک استاندارد باز برای ارتباط بین ناوگان ربات و یک کنترلر اصلی مرکزی است و تضمین میکند که مدیر ناوگان بتواند به طور مؤثر با رباتها ارتباط برقرار کرده و آنها را کنترل کند.
مغزهای ربات و خطمشیهای ربات
مغزهای ربات میتوانند به سادگی یا به پیچیدگی مورد نیاز برای عملیات ربات در دنیای واقعی باشند. مغز یا خطمشی ربات، سیستم تصمیمگیری است و بر اساس ورودی دریافتی تصمیم میگیرد که ربات چه کاری باید انجام دهد و رفتار را از طریق دادههای ورودی و اقدامات خروجی تعریف میکند. حسگرها دادهها را از طریق اشکال مختلف مانند دوربین یا LiDAR جمعآوری میکنند و سپس ربات این دادهها را بر اساس خطمشیهای آموختهشده خود پردازش میکند. پس از پردازش، خطمشی یک اقدام را خروجی میدهد و اقدامات به عملگرها (actuators) ارسال میشوند. این مغزهای ربات به عنوان کانتینر در بلوپرینت ادغام شدهاند و همان مجموعهای از رابطهای فعالسازی و حسگر را که در رباتهای واقعی وجود دارند، ارائه میدهند.
رابط فعالسازی (actuation interface) به مغزهای ربات امکان میدهد تا سیگنالهای فعالسازی یا کنترلی را به بدنههای ربات ارسال کنند. بلوپرینت یک پیادهسازی مرجع از رابط فعالسازی ارائه میدهد که دستورات فعالسازی را به تاپیکهای ROS2 برای طرحواره (schema) صحیح توصیف صحنه جهانی (OpenUSD) ترجمه میکند. این تضمین میکند که سیگنالهای کنترلی به طور دقیق به بدنههای ربات در محیط مجازی منتقل شوند.
رابط فعالسازی برای کنترل حرکات و اقدامات ربات حیاتی است. توسعهدهندگان میتوانند این رابط را با هر ترجمه دیگری که برای مغزهای ربات خاص خود نیاز دارند، اصلاح یا جایگزین کنند و اطمینان حاصل کنند که سیگنالهای کنترلی متناسب با نیازهای منحصر به فرد هر ربات تنظیم شدهاند.
رابط حسگر (sensor interface) به مغز ربات امکان میدهد تا دادهها را از حسگرهای خود دریافت کند. بلوپرینت به توسعهدهندگان یک پیادهسازی مرجع از رابط حسگر ارائه میدهد که دادههای حسگر دریافت شده از طریق جریانهای gRPC از Sensor RTX را به تاپیکهای ROS2 که توسط مغزهای ربات مصرف میشوند، ترجمه میکند. این تضمین میکند که مغزهای ربات دادههای حسگر دقیق و به موقع دریافت کنند و به آنها امکان میدهد تصمیمات آگاهانه بگیرند و وظایف خود را به طور مؤثر انجام دهند.
توسعهدهندگان همچنین میتوانند عاملهای هوش مصنوعی بصری پیشرفتهای را که با NVIDIA Metropolis و بلوپرینت هوش مصنوعی NVIDIA برای جستجو و خلاصهسازی ویدئو ساخته شدهاند، در گردش کار ادغام کنند تا بینشهای غنیتر و تصمیمات بهتری را به عملیات صنعتی بیاورند.
شبیهساز جهان (World Simulator)
شبیهساز جهان که با NVIDIA Omniverse توسعه یافته و به عنوان یک OpenUSD Stage نمایش داده میشود، به عنوان زمان اجرای شبیهسازی (simulation runtime) عمل میکند و مسئول حفظ وضعیت شبیهسازی و اطمینان از همگامسازی و دقت همه اجزا است.
در این محیط مجازی، بدنههای ربات به عنوان داراییهای OpenUSD نشان داده میشوند و تحت همان قوانین فیزیکی همتایان واقعی خود عمل میکنند. شبیهساز جهان شامل تمام عناصر مرتبط تأسیسات، از جمله ساختمان، تجهیزات، و دادههای تولید، و همچنین داراییهای ربات مانند حسگرها و عملگرها است. شبیهساز جهان با تکرار دقیق دنیای فیزیکی، محیطی قابل اعتماد و با دقت بالا را برای آزمایش و اعتبارسنجی فراهم میکند.
بلوپرینت با استفاده از قابلیتهای NVIDIA Isaac Sim، که بر روی پلتفرم Omniverse ساخته شده، تضمین میکند که شبیهسازی از نظر فیزیکی دقیق و بصری غنی باشد. این شبیهساز جهان برای یکپارچهسازی یکپارچه با سایر اجزای بلوپرینت طراحی شده است و یک گردش کار منسجم و کارآمد برای توسعه و اعتبارسنجی رباتیک فراهم میکند.
شبیهسازی حسگر
شبیهسازی حسگر، که توسط NVIDIA Sensor RTX قدرت گرفته، امکان ایجاد حسگرهای مجازی را فراهم میکند که رفتار همتایان واقعی خود را تقلید میکنند. این شامل دوربینها، LiDARها، رادارها و حسگرهای اینرسی است که برای درک محیط توسط رباتها و تصمیمگیری آگاهانه حیاتی هستند. شبیهسازی حسگرها به توسعهدهندگان اجازه میدهد تا سیستمهای ادراکی رباتها را در یک محیط کنترل شده و تکرارپذیر آزمایش و اعتبارسنجی کنند.
این شبیهسازی شامل بازتولید دقیق نویز حسگر و محدودیتهای سختافزاری، تضمین اینکه دادههای شبیهسازی شده تا حد امکان به دادههای دنیای واقعی نزدیک هستند. با شبیهسازی انواع شرایط و سناریوها، توسعهدهندگان میتوانند سیستمهای ربات را برای عملکرد قوی و قابل اعتماد در محیطهای مختلف آموزش و بهینهسازی کنند.
Sensor RTX با استفاده از ردیابی پرتوهای مبتنی بر فیزیک، دادههای حسگرهای واقعی را با کپی کردن عملکرد حسگرهای دنیای واقعی، بهویژه با تقلید بازتاب و جذب امواج به طور دقیق بازتولید میکند. با بهرهگیری از این قابلیتها، Sensor RTX میتواند اطلاعات حسگر دقیقی را تولید کند که به درستی نمایشگر اطلاعات دریافتی توسط حسگرهای دنیای واقعی هستند.
تولید دادههای مصنوعی
برای توسعه و استقرار الگوریتمهای هوش مصنوعی فیزیکی، به ویژه آنهایی که برای وظایفی مانند تشخیص اشیاء، ناوبری و برنامهریزی نیاز به تشخیص بصری دارند، به حجم وسیعی از دادهها نیاز است. برای کمک به شرکتها در تأمین سریع چنین دادههایی، بلوپرینت شامل قابلیتهای تولید دادههای مصنوعی (SDG) است.
SDG با ایجاد دادههای آموزشی سنتز شده به جای تکیه بر دادههای ضبط شده در دنیای واقعی، یک راه حل مقیاسپذیر و مقرون به صرفه برای تولید دادههای کافی برای آموزش الگوریتمهای هوش مصنوعی فیزیکی ارائه میدهد. برای نمونهسازی سریع و تولید مجموعههای دادههای بزرگ، میتوانید از پایتون API داخلی یا SDK Composer NVIDIA استفاده کنید.
SDG به توسعهدهندگان این امکان را میدهد تا بر جنبههای خاص آموزش مدل تأکید کنند. آنها میتوانند ابردادههایی مانند حاشیهنویسیها، محدودیتهای دامنه و انواع تغییرات را کنترل کنند تا اطمینان حاصل شود که مدل هوش مصنوعی فیزیکی روی سناریوهای مربوطه آموزش داده شده است.
نتیجهگیری
شرکتهای صنعتی به طور فزایندهای در حال استقبال از هوش مصنوعی فیزیکی و سیستمهای خودران برای تغییر عملیات خود هستند. این شرکتها با شبیهسازی ناوگان رباتها در دوقلوهای دیجیتال، میتوانند با اطمینان خاطر قابلیتهای هوش مصنوعی فیزیکی خود را تأیید کنند.
بلوپرینت Mega NVIDIA Omniverse اینجاست تا توسعهدهندگان را قادر سازد تا با شبیهسازی حسگر و تولید دادههای مصنوعی، فرآیند توسعه و استقرار سیستمهای هوش مصنوعی فیزیکی را سرعت بخشند. شروع به کار با این بلوپرینت و تسریع روند توسعه خود از امروز. میتوانید به نمایش NVIDIA GTC بپیوندید تا از کارشناسان NVIDIA در مورد شبیهسازی سیستمهای خودران و هوش مصنوعی فیزیکی بیشتر بدانید.