రోబోట్ అనుకరణ కర్మాగార నేలకు మరింత దగ్గరగా వస్తోంది
తన ROBOGUIDE సిమ్యులేషన్ సాఫ్ట్వేర్ మరియు NVIDIA Isaac Sim మధ్య సమీకరణను FANUC బలోపేతం చేసిందని సంస్థ చెబుతోంది. వాస్తవ పారిశ్రామిక రోబోటిక్స్ కోసం వర్చువల్ కర్మాగార పనితీరును మరింత ప్రాయోగికంగా మార్చడమే ఈ మార్పు లక్ష్యం. ఇక్కడ ఉద్దేశం అనుకరణను అనుకరణ కోసమే చేయడం కాదు. సాఫ్ట్వేర్లో రోబోట్ ప్రవర్తన భౌతిక అమలులోని ప్రవర్తనతో దగ్గరగా సరిపోయేలా మరింత ఖచ్చితమైన డిజిటల్ ట్విన్ వాతావరణాన్ని సృష్టించడం.
పారిశ్రామిక అనుకరణలో ఈ వాగ్దానం ఎన్నో సంవత్సరాలుగా ప్రధాన అంశంగా ఉంది, కానీ ఆకట్టుకునే వర్చువల్ ప్రదర్శన మరియు నమ్మదగిన ఉత్పత్తి సాధనం మధ్య గ్యాప్ తరచుగా పెద్దగానే మిగిలింది. ROBOGUIDE మరియు Isaac Sim మధ్య మరింత గట్టి కమ్యూనికేషన్ ఆ గ్యాప్ను తగ్గించి, ఇన్స్టాలేషన్కు ముందు అధ్యయనాలు, ప్రక్రియ రూపకల్పన, మరియు వర్చువల్ కమీషనింగ్ను మెరుగుపరచగలదని FANUC ఇప్పుడు వాదిస్తోంది.
ఈ సమీకరణ ఎలా పనిచేస్తుంది
సంస్థ ప్రకారం, కొత్త సమీకరణలో ఒక మోడ్లో NVIDIA Isaac Sim ముందుభాగంలో ఉంటుంది, ROBOGUIDE నేపథ్యంగా పని చేసి ఖచ్చితమైన రోబోట్ ప్రవర్తనను నిలుపుతుంది. ఈ రెండు వ్యవస్థలు నిరంతర ప్రత్యక్ష సంభాషణలో ఉంటాయి. ప్రాక్టికల్గా చూస్తే, ROBOGUIDEకు అనుసంధానమైన వర్చువల్ లేదా భౌతిక టీచ్ పెండెంట్ల ద్వారా వినియోగదారులు Isaac Simలో రియల్ టైమ్లో రోబోట్లను ఆపరేట్ చేయగలరు; అంటే వారు నిజమైన యంత్రాన్ని నియంత్రిస్తున్నట్టే అనుకరిత వ్యవస్థతో పరస్పర చర్య చేయగలరు.
ఇది ఒక ముఖ్యమైన ముందడుగు, ఎందుకంటే ఇది అనుకరణను నిష్క్రియాత్మక విజువలైజేషన్ వాతావరణం నుంచి ఆపరేషనల్ రిహార్సల్ స్థలానికి మరింత దగ్గరగా మారుస్తుంది. వినియోగదారులు రోబోట్లను జాగ్ చేయవచ్చు, ప్రోగ్రామ్లను నేర్పించవచ్చు, ఆ ప్రోగ్రామ్లను అమలు చేయవచ్చు, మరియు ఫలితాలను నేరుగా Isaac Sim వాతావరణంలోనే ధృవీకరించవచ్చు. తయారీదారుల కోసం, దీని వల్ల ప్రణాళిక మరియు ఇన్స్టాలేషన్ మధ్య సాధారణంగా కనిపించే అనిశ్చితి తగ్గొచ్చు.
సమయం వాస్తవానికి సరిపోతే డిజిటల్ ట్విన్లు మరింత ఉపయోగకరమవుతాయి
మూల సమాచారం లోని అత్యంత బలమైన వాదనలలో ఒకటి, ROBOGUIDEతో సమీకరణ ద్వారా Isaac Simలో పనిచేసే రోబోట్లు వాస్తవ యంత్రాల్లాగే ట్రాజెక్టరీలు మరియు సైకిల్ టైమ్లను కొనసాగించగలవని చెబుతోంది. అది ప్రాక్టీస్లో నిజమైతే, పారిశ్రామిక ఆటోమేషన్లో అత్యంత స్థిరంగా కనిపించే సమస్యలలో ఒకటైన “సిమ్-టు-రియల్ గ్యాప్”ను ఎదుర్కొంటుంది.
ఆ గ్యాప్ ఖర్చుతో కూడుకున్నది. ఒక సిమ్యులేషన్లో ఒక సెల్ డిజైన్ పనిచేస్తున్నట్టు అనిపించవచ్చు, కానీ నిజమైన కమీషనింగ్ సమయంలో సమయ ఘర్షణలు, మార్గ సమస్యలు, లేదా హ్యాండ్లింగ్ వైఫల్యాలు బయటపడొచ్చు; ఇవి సాఫ్ట్వేర్లో తగినంత ఖచ్చితంగా పట్టుబడకపోవచ్చు. వర్చువల్ మరియు భౌతిక అమలు మధ్య సరిపోలిక ఎంత లోతుగా ఉంటే, డిజిటల్ మోడల్ ఒక భావన సాధనం కాకుండా నిర్ణయ సహాయక సాధనంగా అంతగా విలువైనదిగా మారుతుంది.
NVIDIA పాత్ర ఎందుకు ముఖ్యం
ఇక్కడ NVIDIA కేవలం గ్రాఫిక్స్ వేగవంతం చేయడమే కాకుండా మరింత చేస్తుంది. Isaac Sim, Isaac Lab, మరియు Omniverse లైబ్రరీలు అత్యంత ఖచ్చితత్వం అవసరమైన సిమ్యులేషన్లకు మద్దతు ఇస్తున్న భాగాలని మూల సమాచారం సూచిస్తోంది. కేబుల్లాంటి వంపుగల భాగాలను నిర్వహించడం, అలాగే ఇన్సర్షన్ మరియు అసెంబ్లీ ఆపరేషన్లను చేయడం వంటి, సాధారణంగా పునరుత్పత్తి చేయడం కష్టమైన పనులు వాటిలో ఉన్నాయి. ఇవే సరళీకృత సిమ్యులేషన్ వాతావరణాల్లోని బలహీనతలను బయటపెట్టే పనులు.
ఈ సమీకరణ AI ఆధారిత రోబోట్ శిక్షణ వైపుకూడా విస్తరిస్తోంది. సంయుక్త వాతావరణం reinforcement మరియు imitation learningను మద్దతు ఇస్తుందని FANUC చెబుతోంది, అలాగే తన రోబోట్లలో ఒకదానికి టీ-షర్ట్లను మడతపెట్టే సామర్థ్యం ఇవ్వడానికి imitation learning, NVIDIA GR00T foundation model, మరియు Jetson Thor platformను ఉపయోగిస్తున్నట్లు విడిగా పేర్కొంటోంది. ఆ ఉదాహరణ భాగంగా ప్రదర్శన కోసం అయినప్పటికీ, సిమ్యులేషన్, నియంత్రణ, మరియు నేర్చుకున్న ప్రవర్తన వేరువేరు ఉత్పత్తి స్థాయిలుగా కాకుండా ఒకే దిశగా కలుస్తున్నాయన్న కంపెనీ దృక్కోణాన్ని అది సూచిస్తోంది.
ఆఫ్లైన్ ప్రణాళిక నుంచి ఆపరేషనల్ సిద్ధత వైపు మార్పు
పారిశ్రామిక రోబోట్ సిమ్యులేషన్ను సాధారణంగా నిపుణులు ఆఫ్లైన్ ప్రణాళిక కోసం ఉపయోగించారు. FANUC వివరించేది అంతకన్నా విస్తృతమైనది. భౌతికంగా మరింత సమృద్ధిగా ఉన్న సిమ్యులేషన్ వాతావరణంలో టీచ్ పెండెంట్లు మరియు రియల్-టైమ్ నియంత్రణ ఇంటర్ఫేస్లతో వినియోగదారులు పని చేయగలిగేలా చేసి, డిజిటల్ ట్విన్లు నేరుగా అమలు సిద్ధతలో పాల్గొనే వర్క్ఫ్లో వైపు సంస్థ దూసుకెళుతోంది.
హార్డ్వేర్ పూర్తిగా ఇన్స్టాల్ కాకముందే కమీషనింగ్ సమయాన్ని తగ్గించుకోవాలని లేదా క్లిష్టమైన పనులను ధృవీకరించుకోవాలని చూస్తున్న తయారీదారులకు ఇది ప్రత్యేకంగా ముఖ్యమవుతుంది. ఇంజినీర్లు భవిష్యత్ సెల్లా ప్రవర్తించే వర్చువల్ వాతావరణంలో ప్రోగ్రామ్లను నేర్పించి ధృవీకరించగలిగితే, సిమ్యులేషన్కు వ్యాపార పరమైన కారణం మరింత సులభంగా సమర్థించదగినదిగా మారుతుంది.
పరిశ్రమ దిశ పెద్దగా ఎటు వెళుతోంది
ఈ ప్రకటన పెద్ద పారిశ్రామిక ధోరణినీ ప్రతిబింబిస్తోంది. రోబోటిక్స్ విక్రేతలు ఇప్పుడు నమ్మదగిన హార్డ్వేర్ మాత్రమే కాకుండా, ప్రణాళిక, నియంత్రణ, సెన్సింగ్, మరియు నేర్చుకోవడాన్ని అనుసంధానించే సమగ్ర సాఫ్ట్వేర్ స్టాక్ను చూపించాల్సి వస్తోంది. ఒక రోబోట్ భుజం మాత్రమే ఇక మొత్తం ఉత్పత్తి కాదు. సిమ్యులేషన్ మరియు అనుకూలనకు సంబంధించిన పరిసర వాతావరణం పోటీ ఆఫర్లో భాగమవుతోంది.
ఆ అర్థంలో, FANUC-NVIDIA భాగస్వామ్యం ఒకే సాఫ్ట్వేర్ సమీకరణ గురించి మాత్రమే కాదు. డిజిటల్ ట్విన్లు ఉత్పత్తి నిర్ణయాలను ప్రభావితం చేసేంత ఖచ్చితంగా ఉండే, మరియు AI సాధనాలు రియల్ పనుల కోసం రోబోట్లు ఎలా శిక్షణ పొందాలో తీర్చిదిద్దేంతగా ఆపరేషన్లకు దగ్గరగా ఉండే ఆటోమేషన్ వర్క్ఫ్లోను నిర్మించడం గురించినది.
తర్వాత గమనించాల్సింది
తయారీదారులు కమీషనింగ్ సమయం, డీబగ్గింగ్ శ్రమ, లేదా అమలు ప్రమాదంలో కొలిచే స్థాయి తగ్గుదలలను చూస్తారా అనే ప్రశ్నే అత్యంత బలమైన పరీక్ష. ఈ ఫలితాలు కేవలం సాంకేతిక సమీకరణ వల్ల మాత్రమే హామీ ఇవ్వబడవు. కానీ దిశ మాత్రం స్పష్టం. FANUC సిమ్యులేషన్ను ఒక ప్రత్యక్ష ఆపరేషనల్ ఆస్తిగా మార్చాలని, వేరుగా ఉన్న ప్రీ-సేల్స్ వాతావరణంగా కాకుండా చూడాలని కోరుకుంటోంది, మరియు NVIDIA యొక్క సాఫ్ట్వేర్ ఎకోసిస్టమ్ దానికి మరింత సమృద్ధిగల మోడలింగ్, నేర్చుకోవడం కోసం ఒక వేదికను ఇస్తోంది.
అది వివరించిన విధంగా పనిచేస్తే, ప్రాయోగిక ఫలితం సూటిగా ఉంటుంది: హార్డ్వేర్ పనిచేయడం మొదలయ్యాక సమస్యలను కనుగొనడానికి తక్కువ సమయం ఖర్చవుతుంది, మరియు వాటిని ముందే పరిష్కరించడానికి ఎక్కువ సమయం లభిస్తుంది. రెండర్ చేసిన దృశ్యంలా కాకుండా, ఫ్యాక్టరీ రిహార్సల్లా ప్రవర్తించే డిజిటల్ ట్విన్ యొక్క నిజమైన వాగ్దానం అదే.
ఈ వ్యాసం The Robot Report నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.
Originally published on therobotreport.com