Firma Universal Robots (UR) zaprezentowała rozwiązanie UR AI Trainer podczas odbywających się w Dolinie Krzemowej targów GTC 2026. System, opracowany wspólnie z firmą Scale AI, ma umożliwić przejście od wstępnie zaprogramowanych aplikacji do zadań w pełni sterowanych przez sztuczną inteligencję. Technologia opiera się na stanowiskach treningowych, w których roboty uczą się poprzez bezpośrednie naśladowanie ruchów człowieka.
– Nasi klienci, od dużych przedsiębiorstw po laboratoria badawcze AI, nie proszą już tylko o funkcje oparte na sztucznej inteligencji – powiedział Anders Beck, wiceprezes ds. produktów AI w robotyce w Universal Robots. – Potrzebują sposobu na gromadzenie zsynchronizowanych danych z robotów i systemów wizyjnych o wysokiej jakości, aby trenować modele AI na tych samych robotach, które zamierzają wdrożyć. Nasz AI Trainer to pierwsze w branży rozwiązanie do trenowania modeli AI, które trafia bezpośrednio z laboratorium do fabryki.
Zwiększona precyzja dzięki kontroli momentu obrotowego
Główną barierą w trenowaniu AI dla robotyki jest obecnie fragmentacja sprzętu i niska jakość rejestrowanych danych. Dotychczasowe zbiory danych często powstawały na bazie robotów badawczych, które nie nadają się do pracy w rygorystycznych środowiskach produkcyjnych. Ponadto systemy bazujące wyłącznie na sprzężeniu wizyjnym zawodzą w przypadku zadań wymagających delikatności lub stałego kontaktu fizycznego.
– AI Trainer bezpośrednio rozwiązuje te problemy – zaznaczył Anders Beck. – Wykorzystując nasze unikalne funkcje bezpośredniego sterowania momentem obrotowym i sprzężenia zwrotnego siły, dajemy programistom bezpośredni wpływ na to, jak robot fizycznie oddziałuje z otoczeniem, trenując na tym samym solidnym sprzęcie, który jest używany w ponad 100 000 wdrożeń przemysłowych.
Współpraca ze Scale AI i system w konfiguracji „lider-naśladowca”
Opracowany wspólnie ze Scale AI system pozwala operatorom na fizyczne prowadzenie robota-lidera, podczas gdy zsynchronizowany robot-naśladowca w czasie rzeczywistym odwzorowuje jego ruchy. W trakcie tego procesu system automatycznie rejestruje ustrukturyzowane, wielomodalne dane (ruch, siła, obraz), które są niezbędne do trenowania modeli VLA (Vision-Language-Action). Oprogramowanie Scale AI połączone z platformą UR AI Accelerator pozwala na skalowalne gromadzenie danych bezpośrednio z linii produkcyjnych, tworząc pętlę ciągłego sprzężenia zwrotnego do optymalizacji AI. W ramach partnerstwa obie firmy planują w tym roku udostępnić wielkoskalowy zbiór danych przemysłowych.
– Universal Robots jest liderem w dziedzinie robotyki przemysłowej, a globalny zasięg firmy stanowi idealny fundament do gromadzenia danych i wdrażania sztucznej inteligencji – podkreślił Ben Levin, dyrektor generalny ds. Physical AI w Scale AI. – Razem stworzyliśmy zintegrowany mechanizm ciągłego doskonalenia modeli AI, pozwalając klientom trenować, wdrażać i ulepszać ich modele AI szybciej niż kiedykolwiek wcześniej.
Środowisko symulacyjne i rola platformy Nvidia
UR rozwija również metody wirtualnego trenowania cobotów. Wykorzystując środowisko Nvidia Omniverse oraz platformę Isaac Sim, proces uczenia przez naśladowanie może odbywać się w środowisku symulacyjnym z wykorzystaniem kontrolerów haptycznych. Universal Robots bada także zastosowanie narzędzia Nvidia Physical AI Data Factory Blueprint do automatyzacji i skalowania generowania danych syntetycznych.
– Przejście w stronę Physical AI wymaga fundamentalnej zmiany od sztywnej, wstępnie zaprogramowanej automatyzacji do uniwersalnych robotów, które potrafią postrzegać, wnioskować i uczyć się poprzez interakcje przypominające ludzkie – wyjaśnił Amit Goel, szef ekosystemu robotyki i edge AI w firmie Nvidia. – Wykorzystując środowiska symulacyjne Nvidia Isaac, Universal Robots buduje skalowalny silnik do pozyskiwania i generowania danych o wysokiej dokładności, zapewniając niezbędną infrastrukturę do trenowania następnej generacji systemów autonomicznych na dużą skalę.
Zastosowanie modeli Generalist AI i korzyści dla przemysłu
Potwierdzeniem skuteczności nowej metody akwizycji danych jest partnerstwo z firmą Generalist AI. Podczas targów GTC zademonstrowano autonomiczne wykonanie procesu pakowania smartfonów przez dwa roboty UR7e, co miało dowieść skuteczności tzw. ucieleśnionych modeli bazowych (embodied foundation models) w środowisku rzeczywistym.
– Generalist buduje ucieleśnione modele bazowe, które zapewniają wiodącą w branży zręczność i niezawodność – powiedział Pete Florence, współzałożyciel i dyrektor generalny Generalist AI. – Ta demonstracja na zaufanej platformie przemysłowej Universal Robots pokazuje, jak intuicyjne rozumienie świata fizycznego może zostać przełożone na rzeczywiste możliwości, torując drogę do wdrożeń na dużą skalę w różnych branżach.
Podsumowując nową strategię firmy, Anders Beck (UR) dodał: – Przyjęcie naszej technologii przez pionierów w dziedzinie trenowania modeli AI i gromadzenia danych podkreśla, dlaczego Universal Robots stało się preferowaną platformą dla Physical AI.
W praktyce nowe rozwiązanie może znacząco skrócić czas wdrażania aplikacji robotycznych oraz ograniczyć konieczność ręcznego programowania, szczególnie w zadaniach wymagających precyzyjnej manipulacji i pracy w bezpośrednim kontakcie z obiektami.
Źródło: Universal Robots
