تقنية

تقوم شركة Intrinsic المملوكة لشركة Alphabet بدمج تقنية Nvidia في منصة الروبوتات


يصل الجزء الأول من الأخبار الصادرة عن مؤتمر Automate هذا العام عن طريق Alphabet X spinout، Intrinsic. أعلنت الشركة في حدث شيكاغو يوم الاثنين أنها تدمج عددًا من عروض NVIDIA في منصة التطبيقات الروبوتية Flowstate الخاصة بها.

يتضمن ذلك Isaac Manipulator، وهي مجموعة من النماذج الأساسية المصممة لإنشاء سير عمل لأذرع الروبوت. تم إطلاق العرض في GTC مرة أخرى في شهر مارس، مع وجود بعض أكبر الأسماء في مجال الأتمتة الصناعية بالفعل. تشمل القائمة Yaskawa وSolomon وPickNik Robotics وReady Robotics وFranka Robotics وUniversal Robots.

يركز التعاون بشكل خاص على الاستيعاب (الاستيلاء على الأشياء والتقاطها) – وهي إحدى الطرائق الرئيسية لكل من أتمتة التصنيع والتنفيذ. يتم تدريب الأنظمة على مجموعات بيانات كبيرة، بهدف تنفيذ المهام التي تعمل عبر الأجهزة (أي اللاأدرية للأجهزة) ومع كائنات مختلفة.

وهذا يعني أن طرق الانتقاء يمكن نقلها إلى إعدادات مختلفة، بدلاً من الاضطرار إلى تدريب كل نظام لكل سيناريو. كبشر، بمجرد أن نكتشف كيفية التقاط الأشياء، يمكن تكييف هذا الإجراء مع كائنات مختلفة في إعدادات مختلفة. في أغلب الأحيان، لا تستطيع الروبوتات القيام بذلك – ليس في الوقت الحالي على الأقل.

اعتمادات الصورة: جوهري

وقال ويندي تان وايت، المؤسس والرئيس التنفيذي لشركة Intrinsic، في منشور: “في المستقبل، سيتمكن المطورون من استخدام مهارات الاستيعاب العالمية الجاهزة مثل هذه لتسريع عمليات البرمجة الخاصة بهم بشكل كبير”. “بالنسبة للصناعة الأوسع، يوضح هذا التطور كيف يمكن أن يكون للنماذج الأساسية تأثير عميق، بما في ذلك تسهيل إدارة تحديات برمجة الروبوتات اليوم على نطاق واسع، وإنشاء تطبيقات لم تكن مجدية في السابق، وتقليل تكاليف التطوير، وزيادة المرونة للمستخدمين النهائيين.”

تم إجراء اختبار Flowstate المبكر في منصة المحاكاة الروبوتية Isaac Sim – NVIDIA. كان العميل الجوهري، Trumpf Machine Tools، يعمل مع نموذج أولي للنظام.

يقول تان وايت عن عمل ترومف مع المنصة: “يمكن استخدام مهارة الاستيعاب العالمية هذه، التي تم تدريبها باستخدام بيانات تركيبية بنسبة 100% في إسحاق سيم، لبناء حلول متطورة يمكنها أداء مهام استيعاب الكائنات التكيفية والمتعددة الاستخدامات في المحاكاة والواقع”. “بدلاً من تشفير أدوات قابضة محددة بشكل صارم لفهم كائنات محددة بطريقة معينة، يتم إنشاء تعليمات برمجية فعالة لقابض معين وكائن معين تلقائيًا لإكمال المهمة باستخدام النموذج الأساسي.”

تعمل Intrinsic أيضًا مع شركة DeepMind المملوكة لشركة Alphabet لتطوير تقدير الوضعية وتخطيط المسار، وهما جانبان رئيسيان آخران للأتمتة. بالنسبة للأخيرة، تم تدريب النظام على أكثر من 130 ألف كائن. وتقول الشركة إن الأنظمة قادرة على تحديد اتجاه الأشياء في “بضع ثوانٍ” – وهو جزء مهم من القدرة على التقاطها.

جزء رئيسي آخر من عمل Intrinsic مع DeepMind هو القدرة على تشغيل عدة روبوتات جنبًا إلى جنب. يقول تان وايت: “لقد قامت فرقنا باختبار هذا الحل الذي تم إنشاؤه بنسبة 100% بالتعلم الآلي لتنسيق أربعة روبوتات منفصلة تعمل بسلاسة على محاكاة تطبيق لحام السيارات المصغرة”. “يتم إنشاء خطط الحركة والمسارات لكل روبوت تلقائيًا، وخالية من الاصطدامات، وفعالة بشكل مدهش – أداء أفضل بنسبة 25% تقريبًا من بعض الطرق التقليدية التي اختبرناها.”

يعمل الفريق أيضًا على أنظمة تستخدم ذراعين في وقت واحد، وهو إعداد يتماشى أكثر مع العالم الناشئ للروبوتات البشرية. إنه شيء سنرى المزيد منه خلال العامين المقبلين، سواء كان بشريًا أم لا. إن الانتقال من ذراع واحدة إلى ذراعين يفتح عالمًا كاملاً من التطبيقات الإضافية لهذه الأنظمة.

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى