Nvidia pokazuje humanoida do nauki pracy w fabrykach i magazynach

Maszyny humanoidalne od pewnego czasu radzą sobie z chodzeniem, przenoszeniem przedmiotów czy wykonywaniem złożonych ruchów, jednak przełożenie tych umiejętności na realną pracę fizyczną wciąż stanowi poważną przeszkodę. Nvidia próbuje to zmienić, oferując nowy zestaw narzędzi treningowych oraz robota, który ma umożliwić testowanie go poza środowiskiem symulacyjnym.

Na berlińskiej konferencji GTC koncern wspólnie z niemiecką firmą Agile Robots pokazał konstrukcję o nazwie Agile ONE SN. To niewielki robot wyposażony w rozbudowane mechanizmy sztucznej inteligencji, czułe dłonie oraz zestaw sensorów, które mają pomóc mu opanować zadania przydatne w halach produkcyjnych i magazynach. Przy okazji ogłoszono też rozwinięcie platformy Isaac.

Nvidia pokazała humanoida. Ma 140 cm wzrostu i 71 stopni swobody

Agile ONE SN nie powstał po to, by jedynie prezentować się na targach i wydarzeniach branżowych. Konstrukcja stworzona przez Agile Robots we współpracy z Nvidią ma służyć głównie jako narzędzie badawcze, na którym naukowcy oraz inżynierowie będą wypracowywać nowe zdolności maszyn humanoidalnych. Celem jest przede wszystkim uczenie robotów działań, które później znajdą zastosowanie w przemyśle.

Konstrukcja mierzy 140 cm i waży, jak podaje producent, 43 kg. Korpus dysponuje 31 stopniami swobody, czyli niezależnymi sposobami poruszania poszczególnymi stawami. Do tego dochodzą dwie pięciopalczaste dłonie WUJI, z których każda daje dodatkowe 20 stopni swobody. W sumie robot oferuje 71 stopni swobody ruchu.

Tak złożona budowa mechaniczna ma pozwolić na wykonywanie czynności wymagających precyzji oraz zgranej współpracy obu kończyn. Każda z dłoni jest w stanie udźwignąć do 3 kg. Zamontowano w nich również czujniki dotyku, które kontrolują siłę chwytu - to istotne przy podnoszeniu przedmiotów delikatnych lub o nieregularnych kształtach.

Robot otrzymał kamery umieszczone w głowie i nadgarstkach, a także czujniki głębi oraz lidar, czyli system wykorzystujący wiązkę lasera do mierzenia odległości. Te elementy umożliwiają maszynie analizowanie otoczenia, lokalizowanie przedmiotów i nadzorowanie wykonywanych ruchów.

Obliczenia realizuje komputer Nvidia Jetson Thor z 128 GB zunifikowanej pamięci. To układ zaprojektowany specjalnie pod kątem uruchamiania algorytmów sztucznej inteligencji bezpośrednio w robocie, bez potrzeby wysyłania danych do zdalnego centrum obliczeniowego.

Roboty mają uczyć się w symulacji, a potem wykonywać zadania w rzeczywistości

Kluczowym elementem całego projektu jest jednak nie wygląd robota, ale metoda jego szkolenia. Agile ONE SN opiera się na platformie Nvidia Isaac GR00T, która łączy modele AI z narzędziami do symulacji, gromadzenia danych oraz sterowania fizycznymi maszynami.

Nvidia od jakiegoś czasu rozwija otwarty model GR00T, mający umożliwić humanoidom interpretowanie poleceń i zamianę ich na konkretne ruchy. Zamiast kodować każdą czynność z osobna, inżynierowie mogą szkolić model na przykładach zachowań ludzi i robotów, a potem dopasowywać go do wybranych zadań.

W przypadku Agile ONE SN proces ten ma stanowić jedną spójną całość. Na początku badacze gromadzą dane pokazujące przebieg danej czynności. Potem model jest szkolony w wirtualnym środowisku, gdzie próby można powtarzać wielokrotnie, zmieniać warunki i obserwować reakcje robota na nietypowe sytuacje.

Dopiero po tym etapie gotowy system trafia do fizycznego humanoida, który musi odtworzyć podobne zadanie za pomocą realnych ramion i dłoni. W razie błędów inżynierowie wykorzystują nowo zebrane dane do kolejnego cyklu uczenia.

Robot działający poprawnie w symulacji nie zawsze sprawdza się równie dobrze w świecie rzeczywistym. Przedmioty mogą różnić się masą, tarcie między powierzchniami bywa inne, a odczyty czujników nie zawsze są dokładne. Przeniesienie nabytych umiejętności z wirtualnego poligonu do fizycznej rzeczywistości pozostaje jednym z trudniejszych problemów współczesnej robotyki.

Agile Robots zapewnia, że dzięki połączeniu sprzętu i oprogramowania czas potrzebny na przygotowanie środowiska badawczego da się skrócić z kilku tygodni do kilku dni. To na razie deklaracja producenta, którą zweryfikują dopiero niezależne zespoły.

Nvidia stworzyła ogromny wirtualny poligon do nauki robotów

Podczas wydarzenia w Berlinie zaprezentowano też Isaac Lab 3.0 - kolejną odsłonę otwartego środowiska do trenowania robotów. Pozwala ono symulować zachowanie maszyn oraz uczyć algorytmy sterujące ich ruchem przy użyciu mocy procesorów graficznych.

Zamiast wielokrotnie powtarzać próby chwytania tego samego obiektu w fizycznym laboratorium, naukowcy mogą przeprowadzić olbrzymią liczbę testów w środowisku cyfrowym. Ułatwia to sprawdzanie różnych wariantów sytuacji, wychwytywanie usterek oraz przygotowanie robotów do pracy w zmiennych warunkach.

Nvidia udostępniła również bibliotekę SimReady Central Library, obejmującą ponad 2 tysiące gotowych do symulacji modeli robotów, urządzeń i elementów fabrycznego wyposażenia. Dzięki niej konstruktorzy mogą tworzyć wirtualne odpowiedniki rzeczywistych linii produkcyjnych i magazynów.

Drugą nowością jest Human 1M Dataset - zestaw danych opisujących ludzkie czynności. Znajdują się w nim m.in. nagrania rejestrowane równocześnie z trzech ujęć oraz informacje o trójwymiarowej pozycji dłoni. Takie materiały wspierają modele w rozpoznawaniu, jak człowiek manipuluje przedmiotami i koordynuje ruchy.

Zestaw nowości uzupełnia Isaac OS - otwarte środowisko uruchomieniowe, które integruje sztuczną inteligencję z czujnikami, układami sterowania i podzespołami robota. Ma ono zapewniać przewidywalne działanie systemów wymagających reakcji w ściśle określonym czasie.

Nvidia rozwija ponadto platformę Halos, która ma zwiększać bezpieczeństwo autonomicznych maszyn. Agile Robots dopiero analizuje możliwość jej wdrożenia w nowym humanoidzie, co oznacza, że nie wszystkie planowane zabezpieczenia zostały jeszcze uruchomione.

Niemieckie fabryki mają być kolejnym sprawdzianem

Agile ONE SN powstał z myślą głównie o laboratoriach i ośrodkach naukowych. Wypracowane na nim rozwiązania mają być w przyszłości przenoszone na większego humanoida Agile ONE, nad którym niemiecka firma pracuje z myślą o zastosowaniach przemysłowych.

Zamiast natychmiast kierować drogie roboty na linie produkcyjne i uczyć je podstawowych czynności tuż obok pracowników, firmy mogłyby najpierw przygotować i przetestować ich zachowanie w kontrolowanych warunkach.

Podobne testy prowadzą już inni producenci. Spider's Web opisywał wcześniej, jak humanoidalne roboty wdrażane są w projektach automatyzacji fabryk samochodowych Mercedesa. Mimo rosnących możliwości, osiągnięcie poziomu niezawodności wymaganego w przemyśle nadal wiąże się z koniecznością intensywnych testów.

Nvidia chce czerpać z doświadczeń europejskich producentów. Wśród firm rozwijających rozwiązania oparte na platformie Isaac są ABB Robotics, KUKA, NEURA Robotics i Universal Robots. Każda z nich korzysta z narzędzi amerykańskiego koncernu do symulowania linii produkcyjnych, uczenia manipulacji przedmiotami oraz tworzenia autonomicznych systemów transportowych.

Nie znaczy to oczywiście, że wszystkie te firmy planują budować humanoidy w oparciu o Agile ONE SN. Nvidia rozwija raczej wspólną warstwę technologiczną, która może być wykorzystywana w różnych typach robotów - od klasycznych ramion przemysłowych po maszyny przypominające ludzi.

W Polsce też chcą produkować roboty humanoidalne

Rozwój tego typu technologii ma znaczenie również dla polskiego przemysłu. Niedawno informowaliśmy o rozmowach prowadzonych przez polski rząd z tajwańskimi firmami dotyczących uruchomienia w Polsce produkcji robotów humanoidalnych. Wśród wymienianych partnerów pojawia się Foxconn, choć konkretna inwestycja nie została jeszcze ogłoszona.

Sama budowa humanoida to jednak tylko fragment wyzwania. Równie istotne są systemy sztucznej inteligencji, odpowiednie dane do trenowania oraz zdolność przystosowania robota do pracy w konkretnym zakładzie. Warto pamiętać, że fabryka korzystająca z maszyn różnych producentów potrzebuje narzędzi umożliwiających rozwijanie ich kompetencji, testowanie zachowań i integrację z już istniejącą infrastrukturą.

Nvidia stara się zbudować uniwersalne środowisko, które zmniejszy potrzebę tworzenia osobnego zaplecza programistycznego dla każdej nowej konstrukcji robota. Nie usuwa to jednak różnic między poszczególnymi maszynami ani konieczności ich indywidualnego dostosowywania.