FANUC மற்றும் NVIDIA ரோபோட் சிமுலேஷன் மற்றும் நிஜ உலக பயன்பாட்டுக்கிடையிலான இணைப்பை மேலும் இறுக்குகின்றன

ரோபோட் சிமுலேஷன் தொழிற்சாலை தரைக்கு மேலும் அருகமாகிறது

உண்மையான தொழில்துறை ரோபோடிக்ஸுக்காக மேலும் நடைமுறைசார் மெய்நிகர் தொழிற்சாலை வேலைப்பாய்ச்சல்களை உருவாக்கும் நோக்கில், தனது ROBOGUIDE சிமுலேஷன் மென்பொருளுக்கும் NVIDIA Isaac Sim-க்கும் இடையிலான ஒருங்கிணைப்பை வலுப்படுத்தியதாக FANUC கூறுகிறது. குறிக்கோள் சிமுலேஷனை சிமுலேஷனுக்காக மட்டும் பயன்படுத்துவது அல்ல. மென்பொருளில் ரோபோட்டின் நடத்தை உடல் பயன்பாட்டில் உள்ள நடத்தைவுடன் நெருக்கமாக பொருந்தும் வகையில், மேலும் துல்லியமான டிஜிட்டல் ட்வின் சூழலை உருவாக்குவதே நோக்கம்.

தொழில்துறை சிமுலேஷனில் இந்த வாக்குறுதி பல ஆண்டுகளாக மையமாக இருந்தாலும், நம்பத்தகுந்த மெய்நிகர் டெமோவுக்கும் நம்பகமான உற்பத்தி கருவிக்கும் இடையிலான இடைவெளி பெரும்பாலும் பரந்ததாகவே இருந்தது. இப்போது ROBOGUIDE மற்றும் Isaac Sim இடையிலான நெருக்கமான தொடர்பு, முன்-நிறுவல் ஆய்வுகள், செயல்முறை வடிவமைப்பு, மற்றும் மெய்நிகர் கமிஷனிங்கை மேம்படுத்தும் அளவிற்கு அந்த இடைவெளியை குறைக்க முடியும் என்று FANUC வாதிடுகிறது.

இந்த ஒருங்கிணைப்பு எப்படி செயல்படுகிறது

நிறுவனத்தின் கூற்றுப்படி, புதிய ஒருங்கிணைப்பின் ஒரு முறை NVIDIA Isaac Sim-ஐ முன்னிலைப்படுத்துகிறது, அதே நேரத்தில் ROBOGUIDE பின்னணியில் செயல்பட்டு துல்லியமான ரோபோட் நடத்தை நிலைத்திருக்கச் செய்கிறது. இரு அமைப்புகளும் தொடர்ச்சியான நேரடி தொடர்பில் இருக்கின்றன. நடைமுறையில், ROBOGUIDE-க்கு இணைக்கப்பட்ட மெய்நிகர் அல்லது உடல் teach pendant-கள் மூலம் பயனர்கள் Isaac Sim-இல் ரியல் டைமில் ரோபோக்களை இயக்க முடியும்; அதாவது அவர்கள் ஒரு உண்மையான இயந்திரத்தை கட்டுப்படுத்துவது போல சிமுலேட் செய்யப்பட்ட அமைப்புடன் தொடர்பு கொள்ள முடியும்.

இது ஒரு முக்கியமான படி, ஏனெனில் இது சிமுலேஷனை ஒரு செயலற்ற காட்சிப்படுத்தும் சூழலிலிருந்து செயல்பாட்டு பயிற்சி நடைபெறும் இடத்திற்கே அருகாமையாக மாற்றுகிறது. பயனர்கள் ரோபோக்களை jog செய்யலாம், நிரல்களை கற்பிக்கலாம், அந்த நிரல்களை இயக்கலாம், மற்றும் முடிவுகளை நேரடியாக Isaac Sim சூழலிலேயே சரிபார்க்கலாம். உற்பத்தியாளர்களுக்கு இது திட்டமிடல் மற்றும் நிறுவல் இடையிலான வழக்கமான உறுதியற்ற தன்மையை குறைக்கக்கூடும்.

நேரம் நிஜத்துடன் பொருந்தும்போது டிஜிட்டல் ட்வின்கள் மேலும் பயனுள்ளதாகின்றன

மூலத்தில் உள்ள வலுவான கோரிக்கைகளில் ஒன்று, ROBOGUIDE ஒருங்கிணைப்பின் மூலம் Isaac Sim-இல் இயங்கும் ரோபோக்கள் உண்மையான இயந்திரங்களுக்குச் சமமான trajectories மற்றும் cycle times-ஐ பராமரிக்க முடியும் என்பதாகும். நடைமுறையில் இது உண்மையெனில், தொழில்துறை தானியக்கத்தின் மிக நீடித்த பிரச்சினைகளில் ஒன்றான “sim-to-real gap”-ஐ இது தீர்க்கும்.

அந்த இடைவெளி விலை உயர்ந்தது. ஒரு சிமுலேஷன் ஒரு செல் வடிவமைப்பு வேலை செய்யும் என்று காட்டலாம்; ஆனால் உண்மையான கமிஷனிங்கில் software-இல் போதுமான துல்லியத்துடன் பிடிக்கப்படாத நேர முரண்பாடுகள், பாதை பிரச்சினைகள், அல்லது கையாளும் தோல்விகள் வெளிப்படலாம். மெய்நிகர் மற்றும் உடல் செயல்படுத்தல் இடையிலான பொருந்துதல் எவ்வளவு ஆழமாக இருக்கிறதோ, டிஜிட்டல் மாதிரி ஒரு கருத்து கருவியாக மட்டும் அல்லாமல் முடிவெடுக்க உதவும் கருவியாகவும் அவ்வளவு மதிப்புமிக்கதாக மாறுகிறது.

NVIDIA-வின் பங்கு ஏன் முக்கியம்

இங்கே NVIDIA வெறும் கிராஃபிக்ஸ் வேகப்படுத்தலை விட அதிகம் வழங்குகிறது. கேபிள்கள் போன்ற நெகிழ்வான கூறுகளை கையாளுதல், மேலும் insertion மற்றும் assembly செயல்பாடுகள் போன்ற பாரம்பரிய சிமுலேஷன் சூழல்களில் மீளுருவாக்குவது கடினமான பணிகளுக்காக உயர்துல்லிய சிமுலேஷன்களை ஆதரிக்கும் கூறுகளாக Isaac Sim, Isaac Lab, மற்றும் Omniverse libraries-ஐ மூலக் குறிப்புகள் சுட்டிக்காட்டுகின்றன. இவை எளிமைப்படுத்தப்பட்ட சிமுலேஷன் சூழல்களின் பலவீனங்களை வெளிப்படுத்தும் பணிகளே.

இந்த ஒருங்கிணைப்பு AI-ஆதாரமான ரோபோட் கற்றலுக்கும் விரிகிறது. கூட்டு சூழல் reinforcement learning மற்றும் imitation learning-ஐ ஆதரிக்கிறது என்று FANUC கூறுகிறது; மேலும் imitation learning, NVIDIA GR00T foundation model, மற்றும் Jetson Thor platform-ஐ பயன்படுத்தி தனது ஒரு ரோபோட்டுக்கு T-ஷர்ட்களை மடிக்கச் செய்யும் திறனை வழங்குவதாகவும் தனியாகக் குறிப்பிடுகிறது. அந்த எடுத்துக்காட்டு பகுதி ஒன்றில் காட்டுக்காக இருந்தாலும், சிமுலேஷன், கட்டுப்பாடு, மற்றும் கற்றுக்கொண்ட நடத்தை ஆகியவை தனித்தனியான தயாரிப்பு அடுக்குகளாக இல்லாமல் ஒன்றாக கலக்கின்றன என்ற நிறுவனத்தின் பார்வையை அது சுட்டிக்காட்டுகிறது.

ஆஃப்லைன் திட்டமிடலிலிருந்து செயல்பாட்டு தயார்நிலைக்கு மாற்றம்

தொழில்துறை ரோபோட் சிமுலேஷன் பெரும்பாலும் நிபுணர்களால் ஆஃப்லைன் திட்டமிடலுக்கு பயன்படுத்தப்பட்டுள்ளது. FANUC விவரிப்பது அதைவிட பரந்தது. உடல்மயமான செறிவு கொண்ட சிமுலேஷன் சூழலில் teach pendant-கள் மற்றும் real-time control interfaces வழியாக பயனர்கள் வேலை செய்ய அனுமதிப்பதன் மூலம், டிஜிட்டல் ட்வின்கள் நேரடியாக பயன்பாடு தயாரிப்பில் பங்கேற்கும் workflow-ஐ நோக்கி நிறுவனம் நகர்கிறது.

வன்பொருள் முழுமையாக நிறுவப்படுவதற்கு முன் கமிஷனிங் நேரத்தைக் குறைக்க அல்லது சிக்கலான பணிகளைச் சரிபார்க்க விரும்பும் உற்பத்தியாளர்களுக்கு இது குறிப்பாக முக்கியமாக இருக்கலாம். பொறியாளர்கள் இறுதியில் உருவாகும் செல் போலவே நடக்கும் மெய்நிகர் சூழலில் நிரல்களை கற்பித்து சரிபார்க்க முடிந்தால், சிமுலேஷனுக்கான வணிக நியாயம் வழங்குவது எளிதாகிறது.

பெரிய தொழில்துறை திசை

இந்த அறிவிப்பு ஒரு பெரிய தொழில்துறை போக்கையும் பிரதிபலிக்கிறது. ரோபோடிக்ஸ் விற்பனையாளர்கள் இப்போது நம்பகமான hardware-ஐ மட்டும் அல்லாமல், திட்டமிடல், கட்டுப்பாடு, உணர்தல், மற்றும் learning ஆகியவற்றை இணைக்கும் ஒருங்கிணைந்த software stack-ஐயும் காட்ட வேண்டியுள்ளது. ஒரு robot arm மட்டும் இனி முழு தயாரிப்பு அல்ல. சிமுலேஷன் மற்றும் ஏற்பொடுக்கு (adaptation) தேவையான சூழல் போட்டித்தன்மை கொண்ட சலுகையின் ஒரு பகுதியாக மாறி வருகிறது.

அந்த அர்த்தத்தில், FANUC-NVIDIA கூட்டாண்மை ஒரு software integration-ஐ விட அதிகமானது. டிஜிட்டல் ட்வின்கள் உற்பத்தி முடிவுகளைத் தாக்கும் அளவுக்கு துல்லியமாகவும், AI கருவிகள் ரோபோக்கள் உண்மையான பணிகளுக்காக எவ்வாறு பயிற்சியளிக்கப்படுகின்றன என்பதைக் வடிவமைக்கும் அளவுக்கு செயல்பாடுகளுக்கு அருகாமையாகவும் இருக்கும் ஒரு automation workflow-ஐ உருவாக்குவதையே இது குறிக்கிறது.

அடுத்து கவனிக்க வேண்டியது

மிக வலுவான சோதனை என்பது, உற்பத்தியாளர்கள் கமிஷனிங் நேரம், debugging முயற்சி, அல்லது deployment risk ஆகியவற்றில் அளவிடக்கூடிய குறைவுகளைப் பார்க்கிறார்களா என்பதுதான். இவை ஒரு தொழில்நுட்ப ஒருங்கிணைப்பால் மட்டும் உறுதியாகப் பெறப்படுவதில்லை. ஆனால் திசை தெளிவாக உள்ளது. சிமுலேஷன் ஒரு தனியான pre-sales சூழலாக இல்லாமல் நேரடி செயல்பாட்டு சொத்தாக இருக்க வேண்டும் என்று FANUC விரும்புகிறது, மற்றும் NVIDIA-வின் software ecosystem செறிவான modeling மற்றும் learning-க்கு ஒரு தளத்தை வழங்குகிறது.

அது விவரிக்கப்பட்டபடியே செயல்பட்டால், நடைமுறை விளைவு நேரடியாக இருக்கும்: தொழில்துறை குழுக்கள் நிறுவலுக்குப் பிறகு பிரச்சினைகளை கண்டறிவதில் குறைவாகவும், hardware live ஆகும் முன் அவற்றைத் தீர்ப்பதில் அதிகமாகவும் நேரம் செலவிடலாம். இது rendering போல அல்லாமல், ஒரு factory rehearsal போல நடக்கும் டிஜிட்டல் ட்வினின் உண்மையான வாக்குறுதி.

இந்தக் கட்டுரை The Robot Report வழங்கிய செய்திக்குறிப்பை அடிப்படையாகக் கொண்டது. மூலக் கட்டுரையைப் படிக்கவும்.