BMW Group выбрала открытую платформу создания роботов NVIDIA Isaac для модернизации своих автомобильных заводов и создания логистических роботов, которые будут использовать передовые технологии ИИ-вычислений и визуализации.
Сотрудничество предполагает использование технологий NVIDIA на всех этапах создания интеллектуальной логистической системы: от обучения и тестирования до ее развертывания. Роботы BMW будут разработаны на основе программной архитектуры, которая используется на платформе NVIDIA Isaac. Компания стремится улучшить логистический поток, чтобы производить сконфигурированные по индивидуальному заказу автомобили быстрее и эффективнее. Такая система будет установлена на заводах BMW Group по всему миру.
В рамках сотрудничества компаний используются мощности суперкомпьютеров для ИИ NVIDIA DGX и технология Isaac для обучения и тестирования роботов, графические процессоры с поддержкой трассировки лучей NVIDIA Quadro для рендеринга синтетических запчастей для улучшения обучения, а также новая линейка ИИ-роботов, построенных на SDK Isaac, управляемых высокопроизводительными edge-системами NVIDIA Jetson и EGX.
На заводы BMW Group поставляются миллионы деталей от более чем 4,5 тыс. поставщиков, включая 230 тыс. уникальных артикулов, и объемы продолжают расти: продажи автомобилей за последнее десятилетие удвоились и составляют 2.5 млн единиц. В среднем, автомобили BMW имеют порядка 100 опций для выбора, поэтому 99% заказов отличаются друг от друга. Это создает огромные трудности для логистических систем заводов.
Оптимизировать логистику помогают автономные логистические ИИ-роботы, которые участвуют в сборке автомобилей с высокой степенью кастомизации на тех же производственных линиях. В BMW планируют применить платформу NVIDIA Isaac для разработки пяти типов ИИ-роботов для улучшения логистики. К ним относятся и навигационные роботы для автономной перевозки материалов, и манипуляторы для выборки и сортировки деталей.
Разработанные роботы будут управляться глубокими нейросетями, отвечающими за восприятие, сегментацию и оценку позиции человека для распознавания окружающей среди и объектов и автономной навигации и перемещения объектов. Эти роботы обучены как на реальных, так и на синтетических наборах данных для рендеринга запчастей методом трассировки лучей в различных условиях освещения и помех для дополнения реальных данных.
