NVIDIA ロボティクス リサーチ

あらかじめプログラムされたロボットは予期せぬ変化に対応するのに苦労する一方、AI ロボットはシミュレーションに基づく学習を活用して動的な環境に適応することができます。これにより、ナビゲーションや操作などの能力を洗練させ、様々なシナリオにおけるパフォーマンスを向上することができます。

フィジカル AI を搭載したロボットは、動的な環境で複雑なタスクを自律的に実行する必要があります。「シミュレーション優先」のアプローチが不可欠であり、開発者は実際に展開する前に物理学に基づいたデジタル環境でこれらのロボットを訓練し検証することができます。

ロボットがより複雑なタスクに取り組むにつれて、従来のプログラミングでは限界が生じます。強化学習 (RL: Reinforcement learning) は、仮想環境で試行錯誤しながらロボットを訓練することでこのギャップを埋め、制御、経路計画、操作におけるスキルを向上させます。

工場、倉庫、物流センター、半導体工場、データ センターなどの仮想施設は、重工業に新たな可能性をもたらします。これらの仮想環境により、資産とプロセスの設計、シミュレーション、運用、最適化が完全にデジタル空間で行うことができます。