Amazon využívá zkušenosti z vlastních skladů
Společnost Amazon Web Services (AWS) představila Physical AI Toolchain on AWS, otevřenou sadu nástrojů pro vývoj robotů využívajících umělou inteligenci. Při její přípravě uplatnila zkušenosti s provozem milionu robotů, které Amazon postupně nasadil do své logistické sítě. Nejde ovšem o společný systém, který by shromažďoval znalosti všech těchto strojů. AWS využívá především zkušenosti s jejich řízením, aktualizacemi a údržbou, aby podobné postupy usnadnila i dalším výrobcům.
Zatímco tradiční průmysloví roboti opakují předem naprogramované pohyby, stroje s takzvanou fyzickou umělou inteligencí se mají dokázat přizpůsobit změnám v okolí. Vývojáři je proto nejprve učí pracovat v simulaci, kde si mohou vyzkoušet různé úkoly a nečekané situace. Následuje ověření výsledků a teprve potom nasazení do skutečného robota. Ten při práci sbírá další údaje, které mohou vývojáři využít při jeho dalším tréninku.
Tisíce pokusů bez rizika poškození
Výcvik skutečného robota je drahý a časově náročný. Každá chyba může znamenat poškozené zboží, opotřebení součástek nebo riziko pro zaměstnance. Ve virtuálním prostředí však může robot opakovaně upustit předmět, narazit do překážky nebo špatně vyhodnotit situaci, aniž by tím způsobil škodu. Vývojáři navíc mohou spustit mnoho simulací současně a nechat stroje trénovat v odlišných podmínkách. Za kratší dobu tak vyzkoušejí mnohem více situací než při testování ve skutečné továrně.
Amazon k tomu využívá několik technologií Nvidie. Isaac Sim simuluje prostředí a fyzikální podmínky, zatímco Isaac Lab umožňuje robotům učit se pomocí opakovaných pokusů. Model GR00T je určený pro výcvik humanoidních robotů a Cosmos pomáhá vytvářet umělá tréninková data. AWS pak poskytuje cloudovou infrastrukturu, na které mohou všechny tyto nástroje běžet.
Mohlo by vás zajímat
Amazon chce zkrotit odpor proti datovým centrům miliardou dolarů. To vyvolává další negativní reakce
Novinky
Skutečný svět se od simulace liší
Ani podrobná simulace ale nedokáže dokonale napodobit skutečné podmínky. Podlaha může mít jiné tření, kamera zachytí odlišné osvětlení a motor může reagovat s nepatrným zpožděním. Robot, který ve virtuálním skladu zvládal všechny úkoly, proto může při práci narazit na problémy, se kterými vývojáři nepočítali. Úspěšný trénink v simulaci tak ještě nezaručuje, že bude stroj stejně spolehlivě fungovat i ve skutečném provozu.
Právě proto Amazon počítá s tím, že výcvik robotů bude pokračovat i po jejich nasazení. Pokud například stroj nedokáže uchopit neobvykle položený předmět, vývojáři mohou tuto situaci přidat do simulace a při dalším tréninku ho naučit, jak si s ní poradit. Roboti se tak mohou zdokonalovat na základě zkušeností ze skutečného provozu. Physical AI Toolchain sice sám o sobě nevytvoří inteligentního robota, výrobcům ale může výrazně usnadnit cestu od prvních virtuálních testů až k jeho každodennímu používání.
