หุ่นยนต์มนุษย์กลายร่างสำเร็จในการทดสอบโลจิสติกส์ที่โรงงาน Siemens
Siemens และ Humanoid ได้ประกาศความก้าวหน้าอย่างมีนัยสำคัญในการประยุกต์ใช้ ปัญญาประดิษฐ์เชิงกายภาพในกระบวนการผลิตจริง ในการทดลองนำร่องล่าสุดที่โรงงานอิเล็กทรอนิกส์ของ Siemens ที่เมืองเออร์ลังก์เกน ประเทศเยอรมนี หุ่นยนต์ล้อเลื่อน HMND 01 Alpha—ซึ่งพัฒนาโดย Humanoid โดยใช้สแต็กปัญญาประดิษฐ์เชิงกายภาพของ NVIDIA—ได้ปฏิบัติงานโลจิสติกส์หลายอย่างด้วยตนเอง ความร่วมมือนี้ต่อยอดจากความร่วมมือระหว่าง Siemens และ NVIDIA ที่เปิดตัวเมื่อต้นปีนี้ในงาน CES ซึ่งมีเป้าหมายเพื่อพัฒนาระบบการผลิตที่ขับเคลื่อนด้วย AI
ทำความเข้าใจปัญญาประดิษฐ์เชิงกายภาพในกระบวนการผลิต
ปัญญาประดิษฐ์เชิงกายภาพหมายถึงระบบที่ช่วยให้เครื่องจักรสามารถ รับรู้, วิเคราะห์, และปฏิบัติการในสภาพแวดล้อมทางกายภาพที่เปลี่ยนแปลงได้ การนำเทคโนโลยีนี้ไปใช้ในโรงงานอุตสาหกรรมจำเป็นต้องมีการประสานงานอย่างใกล้ชิดระหว่างโครงสร้างพื้นฐานด้านคอมพิวเตอร์, เครื่องมือจำลอง, แพลตฟอร์มหุ่นยนต์ และระบบอัตโนมัติที่มีอยู่
ผลการทดสอบและประสิทธิภาพ
ในระหว่างการทดสอบ HMND 01 ถูกนำไปใช้ในงานโลจิสติกส์ของ Siemens เพื่อจัดการ การเคลื่อนย้ายตะกร้า—รวมถึงการหยิบ, ขนส่ง, และวางภาชนะเก็บของ ตามข้อมูลที่รายงาน หุ่นยนต์สามารถเคลื่อนย้ายตะกร้าได้ 60 ครั้งต่อชั่วโมง, มี เวลาทำงานต่อเนื่องเกินแปดชั่วโมง และแสดงอัตราความสำเร็จในการหยิบและวางเกิน 90%
การบูรณาการเข้าสู่ระบบนิเวศอุตสาหกรรม
เพื่อให้หุ่นยนต์ทำงานได้อย่างมีประสิทธิภาพในสภาพแวดล้อมการผลิตที่ใช้งานจริง จำเป็นต้องสื่อสารกับระบบโรงงานอย่างราบรื่นและประสานงานกับอุปกรณ์และบุคลากรอื่น ๆ ซึ่งรวมถึงการเชื่อมต่อกับยานพาหนะนำทางอัตโนมัติ (AGVs), การซิงโครไนซ์กับกระบวนการเครื่องจักร และการปรับตัวตามการเปลี่ยนแปลงการดำเนินงานแบบเรียลไทม์
เพื่อสนับสนุนสิ่งนี้ Siemens ใช้ พอร์ตโฟลิโอ Xcelerator ซึ่งรวมการจำลองดิจิทัลทวิน, ระบบรับรู้ด้วย AI, การควบคุมอุตสาหกรรม, อินเทอร์เฟซ PLC-หุ่นยนต์, การจัดการกลุ่มยานพาหนะ และเครือข่ายการสื่อสารที่ปลอดภัย เครื่องมือเหล่านี้ถูกออกแบบมาเพื่อสนับสนุนการทำงานของหุ่นยนต์อย่างประสานและมีประสิทธิภาพในโรงงานที่ซับซ้อน
การใช้เทคโนโลยี AI ของ NVIDIA
Humanoid ได้นำเทคโนโลยีหลายอย่างของ NVIDIA มารวมในแพลตฟอร์ม HMND 01 ได้แก่:
- Jetson Thor สำหรับการประมวลผล AI ที่ขอบเครือข่าย,
-
Isaac Sim สำหรับการจำลองความละเอียดสูง, และ
- Isaac Lab สำหรับการฝึกอบรมด้วยการเรียนรู้เสริมแรง
การใช้เครื่องมือจำลอง โดยเฉพาะอย่างยิ่งสำหรับการเลือกตัวกระตุ้นและการกำหนดค่าระบบ ช่วย ย่นระยะเวลาการพัฒนาเมื่อเทียบกับวิธีวิศวกรรมหุ่นยนต์แบบดั้งเดิม
มองไปข้างหน้า
การทดลองนำร่องนี้เป็นก้าวหนึ่งสู่ระบบนิเวศการผลิตที่มีความเป็นอิสระ, ยืดหยุ่น และผสาน AI มากขึ้น ขณะที่ปัญญาประดิษฐ์เชิงกายภาพยังคงพัฒนา ความร่วมมือระหว่างพันธมิตรในอุตสาหกรรมและเทคโนโลยีเช่นนี้คาดว่าจะช่วยเพิ่มประสิทธิภาพ, ความสามารถในการปรับตัว และความร่วมมือระหว่างมนุษย์กับหุ่นยนต์ในโรงงานอัจฉริยะ