Auf dem „NVIDIA AI Day Seoul 2026“ in Seoul wurde das Thema der Roboterausbildung in virtuellen Umgebungen hervorgehoben. Laut einem Bericht von ZDNet Korea arbeitet das physikalische AI-Dateninfrastrukturunternehmen ENdotlight auf Basis einer technischen Zusammenarbeit mit NVIDIA daran, das maßgeschneiderte Robotersimulationsdaten-Geschäft des Unternehmens zu erweitern, indem die Geräte und Arbeitsumgebungen verschiedener Unternehmen in den virtuellen Raum übertragen werden, damit die Roboter dort die Arbeitsabläufe simulieren können.
Dieses Geschäft trägt den Namen „SimReady Asset On-Demand“. Dabei steht SimReady für den sofort einsatzbereiten Zustand für Simulationen, Asset bezieht sich auf die 3D-Daten von Geräten, Teilen usw., die den virtuellen Raum bilden, und On-Demand bedeutet, dass die Erstellung gemäß den Anforderungen der Kunden erfolgt. ENdotlight produziert und liefert derzeit in diesem Modell flexible Simulationsressourcen wie Kabel für KT.
Die Herausforderung liegt hauptsächlich bei Objekten wie Kabeln. Damit physikalische AI in der Industrie eingesetzt werden kann, reicht es nicht aus, nur Roboter-Modelle zu haben; auch die Objekte und die Umgebung müssen im virtuellen Raum nachgebildet werden. Kabel verändern ihre Form beim Kontakt oder bei Bewegung, weshalb neben dem Aussehen auch die physikalischen Eigenschaften und Bewegungsweisen berücksichtigt werden müssen. Die Erstellung der Daten ist daher deutlich schwieriger als bei starren Teilen.
ENdotlight wird eine virtuelle Simulationslösung für Kabel einführen
ENdotlight geht dabei folgendermaßen vor: Auf Basis von Computer-Aided Design (CAD) wird zunächst die Form und Struktur der benötigten Geräte für die KT-Industrieumgebung nachgebildet, gefolgt von der Ergänzung der physikalischen Eigenschaften, die für die Verformung und Bewegung der Kabel erforderlich sind, um das Verhalten der Roboter beim Kontakt und der Bewegung mit den Objekten zu überprüfen. Der Produktionsprozess nutzt die hauseigene CAD-Plattform TreeNixs, die von der Modellerstellung über die Zuweisung physikalischer Eigenschaften und Gelenkinformationen bis hin zur Generierung von Kollisionsformen und dem Export von Simulationsdateien einen vollständigen Arbeitsablauf bildet.
Das Endprodukt wird im OpenUSD-Format ausgegeben und kann direkt in der Robotersimulationsumgebung Isaac Sim von NVIDIA aufgebaut und validiert werden. Neben dem KT-Fall plant ENdotlight auch, eigene Ressourcen an NVIDIA SimReady Central bereitzustellen, um die Produktionskapazitäten für komplexe Industrieanlagen und flexible Materialien globalen Entwicklern von physikalischer AI zugänglich zu machen. Auf der Konferenz wurde auch das von ENdotlight, NVIDIA und RealWorld gemeinsam durchgeführte Projekt DexBench vorgestellt, ein Benchmark-Projekt zur Bewertung der präzisen Bedienfähigkeiten von Robotern.

