Nowy humanoid ma przyspieszyć uczenie robotów. Nvidia chce nauczyć roboty wykonywania prawdziwych zadań.
Roboty humanoidalne potrafią już chodzić, przenosić przedmioty i wykonywać skomplikowane ruchy, ale nauczenie ich codziennej pracy przez cały czas jest ogromnym wyzwaniem. Nvidia chce to zmienić, udostępniając nowe narzędzia do trenowania maszyn oraz humanoida, który pozwoli sprawdzać ich możliwości poza komputerową symulacją.
Podczas konferencji GTC w Berlinie firma wspólnie z niemieckim Agile Robots zaprezentowała Agile ONE SN. To kompaktowy robot wyposażony w zaawansowane systemy sztucznej inteligencji, precyzyjne dłonie i czujniki, dzięki którym ma uczyć się wykonywania zadań przydatnych w fabrykach i magazynach. Jednocześnie Nvidia ogłosiła rozbudowę swojej platformy Isaac.
Nvidia pokazała humanoida. Ma 140 cm wzrostu i 71 stopni swobody
Agile ONE SN nie jest kolejnym robotem przygotowanym wyłącznie do chwalenia się podczas targów czy konferenci branżowych. Konstrukcja opracowana przez Agile Robots we współpracy z Nvidią ma przede wszystkim pełnić funkcję platformy badawczej, na której naukowcy i inżynierowie będą rozwijać nowe umiejętności humanoidów. Chodzi przede wszystkim o możliwość uczenia maszyn wykonywania czynności, które później można wykorzystać w przemyśle.
Robot ma 140 cm wzrostu, a jego masa według producenta wynosi 43 kg. Sam korpus dysponuje 31 stopniami swobody, czyli niezależnymi możliwościami wykonywania ruchów w poszczególnych stawach. Do tego dochodzą dwie pięciopalczaste dłonie WUJI, z których każda zapewnia kolejnych 20 stopni swobody. Łącznie daje to 71 stopni swobody ruchu.
Tak rozbudowany układ mechaniczny ma umożliwiać wykonywanie czynności wymagających precyzji i skoordynowanej pracy obu rąk. Każda z nich może przenosić ładunki o masie do 3 kg. W dłoniach znajdują się również czujniki dotykowe pozwalające kontrolować siłę chwytu, co ma duże znaczenie podczas podnoszenia delikatnych lub nieregularnych przedmiotów.
Na wyposażeniu znalazły się kamery umieszczone w głowie i nadgarstkach, czujniki głębi oraz lidar, czyli urządzenie wykorzystujące światło laserowe do pomiaru odległości. Dzięki nim humanoid może zbierać informacje o otoczeniu, rozpoznawać położenie przedmiotów i kontrolować wykonywane ruchy.
Za przetwarzanie danych odpowiada komputer Nvidia Jetson Thor wyposażony w 128 GB zunifikowanej pamięci. To jednostka zaprojektowana z myślą o uruchamianiu sztucznej inteligencji bezpośrednio w robotach, bez konieczności przesyłania każdej informacji do odległego centrum danych.
Roboty mają uczyć się w symulacji, a potem wykonywać zadania w rzeczywistości
Najważniejszą częścią całego przedsięwzięcia nie jest jednak sam wygląd robota, ale sposób jego uczenia. Agile ONE SN korzysta z platformy Nvidia Isaac GR00T, która łączy modele sztucznej inteligencji z narzędziami do symulacji, zbierania danych i sterowania rzeczywistymi maszynami.
Jak pisaliśmy już wcześniej, Nvidia rozwija otwarty model GR00T, który ma umożliwić humanoidom rozumienie poleceń i przekładanie ich na odpowiednie ruchy. Zamiast programować każdą czynność osobno, konstruktorzy mogą trenować model na przykładach zachowania ludzi i robotów, a następnie dostosowywać go do konkretnych zadań.
W przypadku Agile ONE SN ma to działać jako jeden zintegrowany proces. Najpierw naukowcy zbierają dane pokazujące, jak wykonać określoną czynność. Następnie trenują model w wirtualnym środowisku, gdzie można wielokrotnie powtarzać próby, zmieniać warunki i sprawdzać reakcje robota na nieprzewidziane sytuacje.
Dopiero później wytrenowany system trafia do rzeczywistego humanoida, który musi wykonać podobne zadanie dzięki fizycznych ramion i dłoni. jeżeli pojawią się błędy, inżynierowie mogą wykorzystać nowe dane do kolejnej rundy uczenia.
Robot, który poprawnie wykonuje czynność w symulacji, niekoniecznie poradzi sobie z nią w rzeczywistości. Przedmioty mogą mieć inną masę, zmienia się tarcie między powierzchniami, a czujniki nie zawsze dostarczają idealnych pomiarów. Przenoszenie umiejętności ze świata wirtualnego do fizycznego pozostaje jednym z największych wyzwań współczesnej robotyki.
Agile Robots przekonuje, iż dzięki połączeniu sprzętu i systemu proces przygotowania środowiska badawczego można skrócić z kilku tygodni do kilku dni. To deklaracja producenta, która będzie wymagała sprawdzenia w praktyce przez niezależne zespoły.
Nvidia stworzyła ogromny wirtualny poligon do nauki robotów
W Berlinie zaprezentowano również Isaac Lab 3.0, czyli nową wersję otwartego środowiska przeznaczonego do uczenia robotów. Oprogramowanie pozwala symulować zachowanie maszyn i trenować algorytmy sterujące ich ruchami przy wykorzystaniu procesorów graficznych.
Zamiast testować chwytanie tego samego przedmiotu setki razy w rzeczywistym laboratorium, badacze mogą przeprowadzać ogromną liczbę prób w środowisku komputerowym. Dzięki temu łatwiej sprawdzać różne scenariusze, identyfikować błędy i przygotowywać roboty do pracy w zmieniających się warunkach.
Nvidia udostępniła także bibliotekę SimReady Central Library, zawierającą ponad 2 tys. gotowych do symulacji modeli robotów, urządzeń i elementów wyposażenia fabryk. Konstruktorzy mogą wykorzystywać je do budowania wirtualnych środowisk przypominających rzeczywiste linie produkcyjne i magazyny.
Drugim elementem jest Human 1M Dataset, czyli zbiór danych dotyczących ludzkich czynności. Obejmuje m.in. nagrania wykonywane jednocześnie z trzech perspektyw oraz informacje o trójwymiarowym położeniu dłoni. Takie materiały pomagają modelom rozpoznawać, w jaki sposób człowiek manipuluje przedmiotami i koordynuje ruchy.
Uzupełnieniem nowości jest Isaac OS, czyli otwarte środowisko uruchomieniowe łączące sztuczną inteligencję z czujnikami, układami sterowania i podzespołami robota. Jego zadaniem jest zapewnienie przewidywalnego działania systemów, które muszą reagować we właściwym czasie.
Nvidia rozwija również platformę Halos, przeznaczoną do zwiększania bezpieczeństwa autonomicznych maszyn. Agile Robots dopiero rozważa jej integrację z nowym humanoidem, dlatego nie oznacza to jeszcze, iż wszystkie przewidziane rozwiązania bezpieczeństwa zostały już wdrożone.
Niemieckie fabryki mają być kolejnym sprawdzianem
Agile ONE SN jest konstrukcją przeznaczoną przede wszystkim dla laboratoriów i ośrodków badawczych. Opracowane na nim umiejętności będzie można później przenosić na większego humanoida Agile ONE, którego niemiecka firma przygotowuje do zastosowań przemysłowych.
Zamiast od razu wysyłać kosztowne roboty na linie produkcyjne i uczyć je podstawowych czynności w otoczeniu pracowników, przedsiębiorstwa mogłyby wcześniej przygotowywać oraz testować ich zachowanie w kontrolowanych warunkach.
Podobne próby są już prowadzone przez innych producentów. Na Spider’s Web pokazywaliśmy wcześniej, jak humanoidalne roboty trafiają do projektów automatyzacji fabryk samochodowych Mercedesa. Choć ich możliwości stale rosną, wykonywanie różnorodnych zadań z niezawodnością wymaganą w przemyśle przez cały czas wymaga intensywnych testów.
Nvidia chce wykorzystać doświadczenia europejskich producentów. Wśród partnerów rozwijających rozwiązania oparte na platformie Isaac znajdują się ABB Robotics, KUKA, NEURA Robotics i Universal Robots. Poszczególne przedsiębiorstwa wykorzystują narzędzia amerykańskiego koncernu do symulowania linii produkcyjnych, uczenia manipulowania przedmiotami i przygotowywania autonomicznych systemów transportowych.
Nie oznacza to jednak oczywiście, iż każdy z tych producentów zamierza budować humanoidy na bazie Agile ONE SN. Nvidia rozwija raczej wspólne zaplecze technologiczne, które może znaleźć zastosowanie w różnych rodzajach robotów, od klasycznych ramion przemysłowych po maszyny przypominające ludzi.
W Polsce też chcą produkować roboty humanoidalne
Rozwój takich rozwiązań jest istotny również dla polskiego przemysłu. Niedawno pisaliśmy o prowadzonych przez polski rząd rozmowach z tajwańskimi przedsiębiorstwami w sprawie uruchomienia produkcji robotów humanoidalnych w naszym kraju. Wśród potencjalnych partnerów wymieniany jest Foxconn, chociaż nie ogłoszono jeszcze konkretnej inwestycji.
Sama produkcja humanoida to jednak tylko część wyzwania. Równie ważne są systemy sztucznej inteligencji, odpowiednie dane treningowe oraz możliwość przygotowania robota do wykonywania zadań w określonym zakładzie. Pamiętajmy, iż fabryka wykorzystująca roboty różnych producentów potrzebuje narzędzi pozwalających rozwijać ich umiejętności, testować zachowanie i integrować je z istniejącą infrastrukturą.
Nvidia próbuje stworzyć uniwersalne środowisko, które ograniczy konieczność budowania osobnego zaplecza programistycznego dla każdej nowej konstrukcji. Nie eliminuje to jednak różnic pomiędzy robotami ani potrzeby ich indywidualnego dostosowywania.
*Źródło grafiki wprowadzającej: Nvidia / Canva Pro
