何が起きたか
産業用ロボット世界大手のファナックとNVIDIAは、記事で「Physical AI（物理AI）」と呼ばれる、現実世界を理解して行動するAIシステムをファナックの全ロボット製品に統合する戦略的提携を結んだ。この協業は、ファナックのロボットハードウェアとNVIDIAのOmniverse、Isaac Sim、Isaac Lab、Jetson Thorエッジコンピューターを組み合わせる。
なぜ重要か
従来の産業用ロボットは手動プログラミングと専用ツールが必要で、製品バリエーション切り替えに時間とコストがかかる。記事によると、ロボットが仮想シミュレーションでタスクを学習し、追加調整なしで実機にそのスキルを展開できるようにするのが目標で、立ち上げ時間を数週間〜数ヶ月から実質ゼロに短縮し、製造ラインの柔軟性を大幅に高められる可能性がある。国内の製造現場で、ロボットの立ち上げ時間が大幅に短縮される可能性がある。
注目点
記事は、熟練作業員の動きを模倣して2台のファナックCRX協働ロボットがTシャツ折りたたみを学習したデモを紹介しており、NVIDIAのGR00T N基盤モデルを使用している。また、ファナックのROS 2ドライバーが1msの高速ストリーミング制御をサポートし、Jetson Thorモジュールが従来のJetson AGX Orin比7.5倍のAI性能を発揮することも指摘している。
こういう要約が、毎朝あなたのメールに届きます。
この提携は、産業用ロボットの開発方法における転換点を示している。従来の自動化は、人間がロボットの全動作を手動で教示する決定的な再生プログラミングに依存していた。記事はこれを「人間が動作を書く」時代から「AIが学習する条件を設計する」時代への移行と位置付けており、実機への展開前に仮想空間で訓練することで実現する。
説明されている中核的な技術的ブレークスルーは、NVIDIAのシミュレーション環境内で、ROBOGUIDEを介してファナック独自の制御アルゴリズムを使用することだ。仮想ロボットが実機とまったく同じように動作するため、シミュレーションと現実のギャップが縮まり、ソフトウェアで学習したポリシーを微調整なしでハードウェアに転送できる。この組み合わせは、シミュレーション結果が現実で失敗することが多いというロボット工学の長年の課題に対処する。
また記事は、これが製造業における熟練労働者不足や多品種少量生産への対応といった構造的課題に寄与する可能性を強調している。ケーブル配線やばら積み部品のピッキングなど、従来は人間の感覚とフィードバックが必要だったタスクをロボットが処理できるようになることを示唆する。PLCやコンベヤーを含む生産ライン全体を仮想的に事前検証できることも、工場自動化プロジェクトのリスクとコストを削減できるだろう。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
Skild AIはNvidia Isaac SimでS1モデルに「ゴールを決める」目的を与え、自分自身の強い版と競わせ、140年以上の対戦後、実機の人型ロボットでサッカーをさせた
ヤマザキマザックとABEJAは16日、ABEJA Platformをマザックの工作機械に活用し、フィジカルAIの共同開発を始めると発表した
Wells Fargoがサンフランシスコ拠点のAI幹部を採用
Amazonは木曜日、Beeの「パーソナルAI」デバイス2機種を発売した
Appleは本日MLXをリリースした
Bloom Energy株は4%下落して229.83ドル
