- Amazon เปิดตัวแพลตฟอร์มโอเพนซอร์สเพื่อสนับสนุนการพัฒนาหุ่นยนต์และการปฏิบัติภารกิจทางกายภาพ
- เครื่องมือชุดนี้รวมบริการหลายอย่างของ AWS และ NVIDIA เข้าไว้ด้วยกัน ลดความซับซ้อนของขั้นตอนการพัฒนา
- Physical AI ทำให้หุ่นยนต์ปรับตัวต่อสภาพแวดล้อมที่เปลี่ยนแปลงและเรียนรู้จากประสบการณ์ได้
- ความสำเร็จของแพลตฟอร์มนี้พึ่งพาการเปลี่ยนผ่านจากการจำลองสู่การปฏิบัติการจริงที่มีประสิทธิภาพ
Amazon Web Services (AWS) ได้เปิดตัวแพลตฟอร์มพัฒนาโอเพนซอร์สเพื่อช่วยให้องค์กิจสร้างและปรับใช้หุ่นยนต์ที่สามารถรับรู้สภาพแวดล้อมรอบข้าง ตัดสินใจ และดำเนินการงานทางกายภาพได้ แพลตฟอร์มที่ชื่อว่า Physical AI Toolchain on AWS นี้รวมโครงสร้างพื้นฐานของ AWS เข้ากับระบบนิเวศซอฟต์แวร์ Physical AI ของ NVIDIA โดยมุ่งสนับสนุนการพัฒนาหุ่นยนต์อุตสาหกรรม หุ่นยนต์เคลื่อนที่อัตโนมัติ และระบบแบบมนุษย์ Amazon ระบุว่าเครื่องมือชุดนี้มีจุดมุ่งหมายเพื่อลดความพยายามทางวิศวกรรมที่จำเป็นในการนำโมเดล AI จากขั้นพัฒนาไปสู่เครื่องจักรจริง
การเปลี่ยนผ่านของการพัฒนา AI
การเปิดตัวครั้งนี้สะท้อนการเปลี่ยนผ่านที่กว้างขึ้นของการพัฒนา AI: จากระบบที่สร้างข้อความและภาพ สู่เครื่องจักรที่ต้องมีปฏิสัมพันธ์กับสภาพแวดล้อมทางกายภาพ ซึ่งข้อผิดพลาดในปฏิสัมพันธ์เหล่านี้อาจทำลายอุปกรณ์ รบกวนการผลิต หรือสร้างความเสี่ยงด้านความปลอดภัย
หุ่นยนต์อุตสาหกรรมแบบดั้งเดิมมักทำตามการเคลื่อนไหวที่กำหนดไว้ล่วงหน้าในสภาพแวดล้อมที่ควบคุมได้ Physical AI มุ่งทำให้เครื่องจักรยืดหยุ่นมากขึ้น ให้สามารถตีความข้อมูลจากเซ็นเซอร์ ตอบสนองต่อเงื่อนไขที่เปลี่ยนแปลง และเรียนรู้จากประสบการณ์ได้ ตัวอย่างเช่น หุ่นยนต์ที่ทำงานบนสายการประกอบอาจต้องจัดการชิ้นส่วนที่วางในมุมต่างๆ ในขณะที่หุ่นยนต์คลังสินค้าอัตโนมัติต้องนำทางในเลย์เอาต์ที่เปลี่ยนแปลงและหลีกเลี่ยงอุปสรรค หุ่นยนต์แบบมนุษย์เผชิญกับความท้าทายที่กว้างขึ้น: ต้องจัดการวัตถุที่ไม่คุ้นเคยและปฏิบัติภารกิจในสภาพแวดล้อมที่ออกแบบมาให้มนุษย์ การฝึกอบรมระบบเหล่านี้ต้องการมากกว่าโมเดล AI ที่แข็งแกร่ง เพราะนักพัฒนายังต้องการข้อมูลฝึกอบรมจำนวนมาก การจำลองที่สมจริง ทรัพยากรคอมพิวติ้ง และวิธีการนำโมเดลที่ฝึกแล้วไปใช้บนฮาร์ดแวร์จริง
AWS ระบุว่าเครื่องมือชุดใหม่นี้รวมองค์ประกอบเหล่านี้ไว้ในขั้นตอนการทำงานพัฒนาที่ร่วมกันเดียวกัน ทำให้องค์กิจสามารถเลือกใช้โซลูชันชุดเต็มหรือเลือกองค์ประกอบเดี่ยวสำหรับโครงการที่มีอยู่แล้วได้
สถาปัตยกรรมของเครื่องมือชุดนี้
เครื่องมือชุดนี้จัดโครงสร้างรอบ 5 ส่วนของกระบวนการพัฒนา Physical AI การสร้างข้อมูลสังเคราะห์: สภาพแวดล้อมที่ AI สร้างขึ้นสร้างสถานการณ์ฝึกอบรมเพิ่มเติมโดยไม่ต้องบันทึกทุกกรณีในโลกจริง การฝึกโมเดล: ระบบเรียนรู้จากสาธิตของมนุษย์และการฝึกในสภาพจำลอง การจำลองและการตรวจสอบ: นักพัฒนาทดสอบพฤติกรรมหุ่นยนต์ในสภาพแวดล้อมเสมือนก่อนรันบนเครื่องจริง การปรับใช้ที่ Edge: โมเดล AI ที่ได้รับการเพิ่มประสิทธิภาพทำงานบนฮาร์ดแวร์ที่ปรับใช้ ทำให้ตัดสินใจได้ทันทีโดยไม่ต้องเชื่อมต่อคลาวด์ตลอดเวลา การปรับปรุงอย่างต่อเนื่อง: ข้อมูลที่รวบรวมระหว่างการปฏิบัติการสามารถนำกลับเข้าไปฝึกอบรมใหม่ ช่วยให้นักพัฒนาปรับปรุงโมเดลสำหรับการปรับใช้ในอนาคต
แพลตฟอร์มนี้รวมบริการ AWS เช่น Amazon SageMaker สำหรับการฝึกโมเดล Amazon EC2 GPU instances สำหรับการจำลอง AWS IoT Greengrass สำหรับการปรับใช้ที่ Edge และ Amazon Bedrock AgentCore สำหรับการประสานงาน นอกจากนี้ยังรวมเครื่องมือของ NVIDIA รวมถึง Isaac Sim สำหรับการจำลองหุ่นยนต์ Isaac Lab สำหรับการเรียนรู้ด้วยเสริมแรง Isaac GR00T สำหรับหุ่นยนต์แบบมนุษย์ และ Cosmos สำหรับการสร้างสภาพแวดล้อมสังเคราะห์
เป้าหมายคือลดการแทรกแซงระหว่างขั้นตอนเหล่านี้ ทีมวิศวกรรมสามารถใช้สถาปัตยกรรมร่วมกันแทนที่จะต้องประกอบและดูแลแต่ละส่วนของไปป์ไลน์พัฒนาแยกกัน และปรับให้เข้ากับฮาร์ดแวร์และแอปพลิเคชันของตนเอง
Amazon ระบุว่าเครื่องมือชุดนี้ดูดเลี้ยงประสบการณ์จากการดำเนินงานหุ่นยนต์ของตนเอง โดยบริษัทรายงานว่ามีหุ่นยนต์มากกว่าหนึ่งล้านตัวในเครือข่าย ประสบการณ์นี้เผยให้เห็นถึงความท้าทายจริงของการดำเนินการเครื่องจักรอัตโนมัติในระยะกว้าง ตั้งแต่การประสานงานฝูงหุ่นยนต์ไปจนถึงการบำรุงรักษาซอฟต์แวร์บนฮาร์ดแวร์ที่ปรับใช้ บริษัทเน้นย้ำถึงนักพัฒนาหลายรายที่ทำงานด้าน Physical AI NEURA Robotics กำลังพัฒนาหุ่นยนต์แบบมนุษย์ที่มีการรู้คิด RLWRLD กำลังสร้างโมเดลพื้นฐานสำหรับการจับยึดที่靈巧 (ยืดหยุ่น/ชำนาญ) ในขณะที่ Config สร้างไปป์ไลน์สำหรับรวบรวมและขยายข้อมูลฝึกอบรมการกระทำของหุ่นยนต์
สำหรับผู้ผลิต โอกาสใช้งานที่เป็นไปได้ครอบคลุมตั้งแต่แขนหุ่นยนต์ที่ปรับตัวเข้ากับงานประกอบใหม่ ไปจนถึงเครื่องจักรอัตโนมัติที่เคลื่อนย้ายวัสดุและตรวจสอบการผลิต อย่างไรก็ตาม เครื่องมือชุดนี้เป็นแพลตฟอร์มพัฒนา ไม่ใช่หุ่นยนต์สำเร็จรูป ความพร้อมใช้งานของมันไม่ได้รับประกันว่าโมเดลที่ฝึกในสภาพจำลองจะทำงานได้เชื่อถือได้ในโรงงานหรือคลังสินค้า
ความท้าทายของการจำลองและความเป็นจริง
ความท้าทายหลักของหุ่นยนต์คือการเปลี่ยนผ่านจากการจำลองสู่การปฏิบัติการจริง โมเดลที่ประสบความสำเร็จในสภาพแวดล้อมเสมือนอาจเผชิญกับแรงเสียดทานที่ไม่คาดคิด การเปลี่ยนแปลงของแสง เสียงรบกวนจากเซ็นเซอร์ หรือความแตกต่างในการจัดการวัตถุเมื่อนำไปปรับใช้บนฮาร์ดแวร์จริง โดยการรวมการจำลอง การฝึกอบรม การปรับใช้ และการป้อนกลับไว้ในขั้นตอนทำงานเดียวกัน AWS และ NVIDIA มุ่งทำให้การเปลี่ยนผ่านนี้จัดการได้ง่ายขึ้น เครื่องมือชุดนี้ยังรวมฟังก์ชันการจัดการฝูงหุ่นยนต์ที่ออกแบบมาเพื่อช่วยให้องค์กิจกำหนดค่า รักษาความปลอดภัย และอัปเดตเครื่องจักรเมื่อการปรับใช้ขยายตัว สำหรับวิศวกร ความสำคัญของสิ่งนี้ไม่ได้อยู่ที่โมเดล AI ตัวใหม่เพียงอย่างเดียว แต่เป็นโครงสร้างพื้นฐานที่จำเป็นสำหรับการพัฒนาระบบ Physical AI แบบทำซ้ำได้
รายการ รายละเอียด สภาพแวดล้อมการจำลอง การสร้างข้อมูลสังเคราะห์ วิธีการเรียนรู้ สาธิตของมนุษย์และการฝึกในสภาพจำลอง วิธีการทดสอบ การทดสอบในสภาพแวดล้อมเสมือน วิธีการปรับใช้ การปรับใช้ที่ Edge การป้อนกลับข้อมูล การปรับปรุงอย่างต่อเนื่อง
ความท้าทายและโอกาสในอนาคตของการพัฒนา Physical AI
พร้อมกับการพัฒนาของเทคโนโลยีหุ่นยนต์ องค์กิจต้องการระบบที่สามารถมีปฏิสัมพันธ์กับสภาพแวดล้อมทางกายภาพมากขึ้น แพลตฟอร์มพัฒนาโอเพนซอร์สของ Amazon ไม่เพียงแต่ให้เครื่องมือที่จำเป็น แต่ยังรวมการจัดการความท้าทายที่หุ่นยนต์เผชิญในการปฏิบัติงานจริง รวมถึงการเปลี่ยนผ่านจากการจำลองสู่การปฏิบัติการจริง ซึ่งเป็นความท้าทายทางเทคนิคสำคัญ ระบบ Physical AI ที่ประสบความสำเร็จต้องการข้อมูลฝึกอบรมจำนวนมากและสภาพแวดล้อมการจำลองที่มีประสิทธิภาพ เพื่อให้มั่นใจได้ถึงความน่าเชื่อถือในโลกจริง แพลตฟอร์มพัฒนาประเภทนี้ช่วยเร่งความก้าวหน้าของเทคโนโลยีหุ่นยนต์ และขับเคลื่อนกระบวนการอัตโนมัติในอุตสาหกรรมต่างๆ