ABB与英伟达的最新合作伙伴关系表明,物理AI仿真技术正在为工厂自动化带来实质的投资回报率提升,并有效解决生产难题。
制造商长期以来一直发现,智能机器人技术很难在测试环境之外可靠运行。核心问题在于数字训练模型与实际工厂车间之间存在差距,现实中的光照条件、材料物理特性和零件变化往往无法按照屏幕显示的方式运行。
过去,这种摩擦迫使工程团队不得不依赖物理原型,这不仅延迟了产品发布时间,还推高了成本。
ABB机器人与英伟达的合作试图通过将工业级物理AI引入制造设施来缩小这一差距。计划于2026年下半年发布的RobotStudio HyperReality已经吸引了全球客户群体的关注。
通过将英伟达Omniverse库嵌入其现有的RobotStudio软件中,ABB提供了一个物理精确数字测试平台。在操作层面,这种集成允许工程师将部署成本降低高达40%,并将产品上市时间加速多达50%。
要实现这些效率提升,需要一个工作流程,其中生产负责人在安装任何硬件之前设计、测试和验证完整的自动化单元。为此,系统将完全参数化的工作站(包括机器人、传感器、照明、运动学和零件)导出为USD文件,直接输入到Omniverse环境中。
在这个数字空间内,虚拟控制器运行与物理机器相同的固件,实现了数字和物理领域之间99%的行为匹配度。
计算机视觉模型不再需要手动编程动作,而是使用软件内生成的合成图像进行学习。结合绝对精度技术,这种方法将定位误差从8-15毫米降低到约0.5毫米,为工业应用提供高精度支持。
Q&A
Q1:RobotStudio HyperReality是什么?
A:RobotStudio HyperReality是ABB与英伟达合作开发的工业级物理AI仿真平台,计划于2026年下半年发布。它通过将英伟达Omniverse库嵌入ABB现有的RobotStudio软件中,提供物理精确的数字测试环境。
Q2:这个技术能带来什么实际效益?
A:该技术可以将部署成本降低高达40%,将产品上市时间加速多达50%。通过数字仿真,工程师可以在安装任何硬件之前完成完整的自动化单元设计、测试和验证。
Q3:物理AI仿真的精度如何?
A:该系统实现了数字和物理领域之间99%的行为匹配度。结合绝对精度技术,定位误差从传统的8-15毫米降低到约0.5毫米,为工业应用提供高精度支持。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。