რობოტიკის სფეროში ერთ-ერთი მთავარი სირთულე რეალური სამუშაო გარემოს ზუსტი მოდელირებაა – ტრადიციული ტესტირების მეთოდები საკმაოდ ნელია, დიდ ფინანსურ რესურსს მოითხოვს და მხოლოდ მცირე არეალს ფარავს.
ამ პრობლემის გადასაჭრელად, Toyota-მ SoftServe-სა და NVIDIA-სთან პარტნიორობით ავტონომიური დამტვირთველების Digital Twin შექმნა. ახალი ტექნოლოგიით სხვადასხვა სამუშაო პირობის ზუსტი მოდელირება და გაანალიზება უშუალოდ ვირტუალურ სივრცეშია შესაძლებელი. თავად ეს Digital Twin NVIDIA Omniverse-ის პლატფორმაზეა აგებული. დეველოპერები ამ პლატფორმის API-ებს, SDK-ებსა და სხვა სერვისებს იყენებენ, რათა სისტემაში OpenUSD და RTX რენდერინგის ტექნოლოგიები ეფექტურად დანერგონ.
ამ ინოვაციის წყალობით, პროდუქტის შექმნისა და დანერგვის ეტაპები ბევრად მარტივად, ხარვეზების გარეშე და შეუფერხებლად მიმდინარეობს. ახალი მიდგომა გუნდებს ეხმარება, რომ რობოტული სისტემები სრულიად კონტროლირებად, მასშტაბირებად და ხარჯთეფექტიან გარემოში შეამოწმონ და გააუმჯობესონ.
„Omniverse-ის პლატფორმაზე Digital Twin-ის აპლიკაციების შემუშავებით ჩვენ შეგვიძლია, სხვადასხვა სატესტო გარემო ზუსტად ისე გავიმეოროთ და შევისწავლოთ, რომ სამუშაო სივრცეში ფიზიკურად ყოფნა აღარ დაგვჭირდეს.
ამის გაკეთება რეალურ პირობებში შეუძლებელია. მაგალითად, ახლა ფიზიკური AI მოდელების გაწვრთნა და ვირტუალურად გამოცდა შეუზღუდავი რაოდენობის ობიექტზე შეგვიძლია. ამასთან, სისტემას თითქმის მთლიანად ციფრულ სივრცეში ვტესტავთ და მის სრულყოფას ვცდილობთ. შედეგად, როდესაც პროდუქტი რეალურ სამუშაო გარემოში ხვდება, ის თითქმის შეუფერხებლად მუშაობს.“
იოჰან ბრინასი
კვლევებისა და ინოვაციების დირექტორი, Toyota Material Handling Europe
Digital Twin-ის ტექნოლოგიას, როოგრც წესი, იყენებენ დიდი რაოდენობის შეკვეთების მოსამზადებლად. ამ დროს თანამშრომლები და ავტონომიური რობოტები (AMR) საქმეს ინაწილებენ და ამით საერთო პროცესის ეფექტურობას საგრძნობლად ზრდიან.
მსგავსი სამუშაო ფორმატის ვირტუალურად მოდელირება ძალიან საინტერესოა, რადგან ის ადამიანისა და რობოტის თანამშრომლობას მოითხოვს. მაგალითად, როდესაც თანამშრომელი ტვირთს იღებს ან რობოტთან ახლოს მოძრაობს, მისი ყოველი ქმედება ტექნიკის კამერებსა თუ სენსორებზე მყისიერად აისახება. ამ სიზუსტის მისაღწევად, ვირტუალურ სივრცეში შექმნილი ადამიანის ავატარები შეკვეთებს ზუსტად ისე აგროვებენ და რობოტებთან ისევე ბუნებრივად მუშაობენ, როგორც ამას რეალურ საწყობში გააკეთებდნენ.
ამ პროცესის სამართავად გამოიყენება სპეციალური პლატფორმა Mega NVIDIA Omniverse Blueprint, რომელიც ხელოვნური ინტელექტისა და რობოტების ფლოტის ვირტუალურად გამოსაცდელად შეიქმნა. ამ პლატფორმის დახმარებით ამოწმებენ, თუ როგორ უმკლავდება სისტემა განსხვავებულ სატრანსპორტო მარშრუტებსა და სპეციფიკურ შეკვეთებს. მნიშვნელოვანია ისიც, რომ ტესტირებისას უშუალოდ რობოტის რეალური პროგრამული სისტემები და AI მოდელები იტვირთება. საბოლოო ჯამში, ასეთი დეტალური ანალიზი გუნდებს ეხმარება, რომ სისტემის წარმადობა კიდევ უფრო დახვეწონ და სასურველ შედეგამდე მიიყვანონ.
დასახული მიზნების მისაღწევად Toyota-მ SoftServe-თან ერთად NVIDIA-ს Omniverse პლატფორმის უახლესი ტექნოლოგიები დანერგა.
ამ ინიციატივის დახმარებით, საწყობის ავტომატიზაციის სისტემების შემოწმება მათ რეალურ დანერგვამდე სრულიად ახალი მიდგომით იმართება. კერძოდ, Digital Twin ვირტუალური მოდელირების თანამედროვე პროგრამებს, რეალურ დროში მონაცემთა ანალიტიკასა და მანქანური სწავლების ალგორითმებს მოიცავს. შედეგად, იქმნება ისეთი დინამიკური ვირტუალური სივრცე, სადაც Toyota-ს დამტვირთველებს ყველა შესაძლო სამუშაო ვითარებაში აკვირდებიან.
მაღალი სიზუსტის 3D მოდელირებისა და ფიზიკურ კანონზომიერებებზე აგებული პროგრამების დახმარებით, ვირტუალური ტექნიკა ნამდვილი მოწყობილობის მოძრაობებსა და მუშაობის სპეციფიკას იდეალურად იმეორებს.
Toyota Material Handling Europe მუდმივად ნერგავს ინოვაციებს და ძლიერ, განვითარებაზე ორიენტირებულ პარტნიორებთან ერთად ქმნის ლოგისტიკის სფეროს მომავალს.
ამ ეტაპზე მთავარი მიზანი რამდენიმე კონკრეტული მიმართულების განვითარებაა. პირველ რიგში, იგეგმება Digital Twin-ის გამოყენების არეალის გაფართოება. პარალელურად, კომპანია NVIDIA-სა და SoftServe-ის მსგავს ტექნოლოგიურ ლიდერებთან თანამშრომლობას აღრმავებს, რათა ვირტუალური შემოწმების ეტაპიდან პროდუქტის რეალურ დანერგვაზე გადასვლა ყოველგვარი დაბრკოლების გარეშე მოხერხდეს. გარდა ამისა, Toyota აქტიურად დებს ინვესტიციას AI მოდელებში და მუდმივად აკვირდება ბაზარზე არსებულ ახალ ტენდენციებს.
საბოლოო მიზანი ნათელია: კომპანიას სურს, საწყობის ავტომატიზაციის მიმართულებით წამყვანი პოზიცია შეინარჩუნოს და ეფექტურობის ახალი სტანდარტები მუდმივად დაამკვიდროს.