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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。