- Новости
- AWS
Amazon запустила Physical AI Toolchain on AWS — открытый программный стек, который помогает производителям создавать машины, способные воспринимать реальный мир, рассуждать и действовать в нем.
Автор: Команда Amazon
Основные положения
- Physical AI Toolchain on AWS — это открытый программный стек для создания интеллектуальных машин.
- Создан на базе AWS с использованием стека физического ИИ от NVIDIA и вдохновлен опытом Amazon в области робототехники.
- Разработан специально для промышленной автоматизации, автономной мобильности и гуманоидной робототехники.
Следующая волна ИИ выходит за пределы экранов в физический мир — на производственные площадки, в склады и на дороги. Физический ИИ является одним из самых быстро растущих направлений в технологиях, и создающим его компаниям необходима инфраструктура, способная за ним поспевать.
В отличие от традиционного ИИ, который обрабатывает данные и генерирует текст на экранах, физический ИИ позволяет машинам воспринимать реальный мир, понимать его и действовать в нем. Если обычные машины выполняют четкие инструкции и повторяют одну и ту же задачу независимо от происходящего вокруг, то машины с физическим интеллектом ощущают свое окружение, рассуждают с помощью обученных в облаке моделей ИИ и адаптируются в реальном времени. Операционные данные возвращаются обратно для непрерывного переобучения и улучшения этих моделей, благодаря чему машины становятся умнее с каждым циклом.
Но физический ИИ не сводится к какой-то одной задаче с единственным решением. Варианты применения варьируются от машин, работающих бок о бок с людьми на производственных линиях, до гуманоидных роботов и систем, которые самостоятельно проверяют, перемещают и обрабатывают материалы. Ни одно из этих решений не требует одинаковой комбинации данных, моделей или аппаратного обеспечения. Именно поэтому компания Amazon создала Physical AI Toolchain on AWS — решение с открытым исходным кодом, объединяющее архитектурные рекомендации, автоматизацию развертывания и готовый к использованию код. Будучи интегрированным со стеком физического ИИ NVIDIA, оно охватывает весь жизненный цикл разработки физического ИИ.
«Физический ИИ затронет каждую отрасль, которая занимается перемещением, строительством или производством, и наши клиенты действуют быстро, чтобы воспользоваться этой возможностью», — заявил Увем Укпонг (Uwem Ukpong), вице-президент AWS Industries. «Мы создали Physical AI Toolchain on AWS, потому что клиенты говорили нам: слишком большая доля их инженерных усилий уходит на инфраструктуру, а не на инновации. Мы хотим это исправить».
Физический ИИ: учим машины понимать реальный мир и действовать в нем
Области применения охватывают практически каждую отрасль, где машины взаимодействуют с физическим миром, и этот импульс нарастает. Согласно недавнему отчету Global Startup Trends Report on physical AI, каждый седьмой стартап в мире сейчас занимается разработкой физического ИИ, причем 72% разработчиков считают облачные вычисления ключевым элементом своих систем. Эта активность является частью более широкой волны разработки физического ИИ в различных отраслях, и все большее число компаний строят свои решения на базе AWS.
NEURA Robotics разрабатывает когнитивных гуманоидных роботов, способных видеть, слышать и учиться на собственном опыте; цель компании — вывести на рынок миллионы интеллектуальных роботов к 2030 году. RLWRLD решает одну из самых сложных задач в физическом ИИ — ловкое манипулирование объектами, создавая базовую модель с 8,1 миллиарда параметров, которая наделяет роборуки способностью захватывать, вращать и удерживать предметы с человеческой точностью в условиях заводов и сферы услуг. А компания Config создала конвейер данных, фиксирующий более 200 000 часов действий роботов. Компания использует генеративный ИИ для многократного увеличения этого объема данных с целью создания разнообразных сценариев обучения, необходимых машинам для надежной работы в непредсказуемых условиях реального мира.
4NE1 — гуманоидный робот NEURA Robotics на автомобильной сборочной линии
«В физическом ИИ скорость — это все: скорость доработки моделей, их развертывания в реальном мире и масштабирования от отдельных систем до крупных парков», — отметил Давид Регер (David Reger), основатель и генеральный директор NEURA Robotics. «Physical AI Toolchain on AWS помогает нам ускорить именно этот цикл. Объединив стек физического ИИ от NEURA с опытом AWS в области крупномасштабной инфраструктуры и развертывания, мы можем гораздо быстрее проходить путь от обучения до внедрения в реальных условиях и в конечном итоге масштабировать физический ИИ по всему миру».
Производители промышленного оборудования могут использовать физический ИИ для создания коллаборативных роботов-манипуляторов, адаптирующихся к новым сборочным операциям без перепрограммирования. Компании, разрабатывающие автономных роботов, могут обучать их обращению с новыми деталями и задачами с возрастающей точностью. Автопроизводители могут ускорить разработку бортовых и цеховых робототехнических систем. А операторы умных заводов могут внедрять системы мониторинга, прогнозирования и оптимизации производства в реальном времени.
Внедряя физический ИИ в собственные процессы с помощью интеллектуальных машин и автономных систем, производители могут увеличить пропускную способность, сократить время простоев и повысить качество на своих заводах. Кроме того, каждая машина генерирует операционные данные, которые улучшают модели для всего парка в целом, благодаря чему сотая внедренная система работает значительно умнее первой. Некоторые компании смогут встроить этот же интеллект в продаваемую ими продукцию, превращая аппаратное обеспечение с фиксированными возможностями в машины, которые со временем становятся умнее.
Что входит в состав Physical AI Toolchain on AWS
Инструментарий охватывает пять основных направлений разработки физического ИИ. Каждое из них подпитывает следующее, создавая цикл непрерывного совершенствования, который повышает качество моделей с каждой итерацией:
- Генерация синтетических данных: создание разнообразных сценариев обучения с использованием сред, сгенерированных ИИ, что снижает потребность в дорогостоящем сборе реальных данных
- Обучение моделей: обучение машинного интеллекта с использованием опыта демонстраций человека и практики в смоделированных средах
- Моделирование и валидация: тестирование поведения машин в реалистичных виртуальных средах перед развертыванием на реальном оборудовании
- Развертывание на периферии: перенос оптимизированных машин на периферийные устройства, где они принимают решения в реальном времени без постоянного подключения к облаку
- Непрерывное совершенствование: операционные данные от развернутых машин возвращаются обратно для генерации новых тренировочных данных, замыкая цикл
В основе этих возможностей лежит комбинация сервисов AWS и программной экосистемы физического ИИ от NVIDIA, включая:
- Сервисы AWS: Amazon SageMaker для обучения моделей, графические инстансы Amazon EC2 для симуляции, AWS IoT Greengrass для периферийного развертывания и Amazon Bedrock AgentCore для интеллектуальной оркестровки
- NVIDIA: NVIDIA Isaac Sim для симуляции, NVIDIA Isaac Lab для обучения с подкреплением, для обучения гуманоидных машин и NVIDIA Cosmos для генерации синтетических миров
Клиенты могут использовать весь сквозной стек для управления полным циклом разработки из единой панели управления или выбрать только те компоненты, которые им необходимы, например автономные инструменты симуляции, обучения или развертывания, интегрирующиеся в их существующие рабочие процессы. Возможности управления парком техники позволяют подготавливать, защищать и обновлять тысячи машин «по воздуху» при масштабировании производства.
Vulcan — первый робот Amazon, обладающий осязанием, использующий датчики для отбора и размещения товаров на распределительном центре
«Создание физического ИИ требует бесшовной интеграции трех вычислительных платформ — обучения, симуляции и развертывания», — сказал Амит Гоел, руководитель направления экосистемы разработчиков робототехники и продуктов Edge AI в NVIDIA. — «Открытый стек Physical AI Toolchain на AWS объединяет сервисы AWS с физическими ИИ-моделями, инструментами и библиотеками NVIDIA, обеспечивая масштабируемый сквозной рабочий процесс, который помогает разработчикам ускорить создание, обучение, валидацию и развертывание интеллектуальных робототехнических приложений».
Создано на основе опыта собственных робототехнических операций Amazon
Amazon создала одну из самых передовых в мире робототехнических систем, развернув более 1 миллиона роботов в своей операционной сети. Эти роботы обрабатывают миллионы посылок ежедневно, работая бок о бок с сотнями тысяч сотрудников для доставки товаров клиентам. Ранее этим летом подразделение Amazon Robotics представило автономного робота Proteus нового поколения, способного работать везде, где необходимо перемещать товары между объектами.
Этот опыт дал Amazon глубокое понимание того, что требуется для создания машин, работающих автономно в реальных условиях. Платформа Physical AI Toolchain на AWS создана с использованием экспертных рекомендаций, вдохновленных этим опытом, и предоставляет архитектурные руководства, эталонный код и средства автоматизации развертывания, которые помогают производителям запустить собственные возможности физического ИИ за недели, а не за годы, которые потребовались бы при создании с нуля. Каждое развертывание легко адаптируется под конкретное аппаратное обеспечение, операционную среду и сценарий использования клиента.
Как клиенты могут начать работу
Physical AI Toolchain на AWS предоставляет проверенную основу, а клиенты привносят отраслевую экспертизу и аппаратное обеспечение, которые делают их продукты уникальными.
Узнайте больше о Physical AI Toolchain на AWS и о том, как начать работу, на странице AWS physical AI или обратитесь к своему менеджеру учетной записи AWS.
Другие новости Amazon
1 / 1
