de.wedoany.com-Bericht: Fanuc hat die Zusammenarbeit mit Nvidia im Bereich Physical AI und fortschrittlicher Simulation ausgeweitet. Durch eine engere Plattformintegration wurden die digitalen Zwillinge und Simulationsfähigkeiten der Roboter verbessert.
Fanuc hat die Integration zwischen Nvidias offener Robotersimulationsplattform Nvidia Isaac Sim und der eigenen Offline-Simulationssoftware RoboGuide verbessert, wodurch hochpräzise digitale Zwillinge im virtuellen Raum erstellt werden können. Während der Tokyo International Robot Exhibition (iREX) im Dezember letzten Jahres demonstrierte Fanuc die Funktion, Simulationsdaten von RoboGuide in Isaac Sim zu übertragen. Durch die Verwendung derselben Steuerungsalgorithmen wie bei echten Robotern werden Trajektorien und Zykluszeiten mit hoher Genauigkeit abgebildet. Mittlerweile ermöglichen die beiden Plattformen eine tiefere Interoperabilität und bieten eine effizientere Simulationsumgebung für Tests, Anwendungsvalidierung und virtuelle Inbetriebnahme.
Im ersten Integrationsmodus fungiert Isaac Sim als Frontend-Simulationsumgebung, während RoboGuide im Hintergrund läuft und das präzise Verhalten des Roboters im virtuellen Raum sicherstellt. RoboGuide und Isaac Sim sind über eine direkte und kontinuierliche Kommunikationsverbindung verbunden. Benutzer können den Roboter in Isaac Sim in Echtzeit über ein mit RoboGuide verbundenes virtuelles oder physisches Programmierterminal steuern – genauso wie einen echten Roboter. So können vor der Installation Vorstudien durchgeführt und Roboterabläufe in GPU-beschleunigten, physikalisch präzisen Sensoren und Umgebungen effizient gestaltet werden.
Mit Hilfe des offenen Roboter-Lernframeworks Nvidia Isaac Lab und der Nvidia Omniverse-Bibliothek können Benutzer Aufgaben, die bisher schwer zu reproduzieren waren, wie das Handhaben flexibler Komponenten (z. B. Kabel) sowie Einsteck- und Montagevorgänge, mit hoher Präzision simulieren. Durch die Integration mit RoboGuide behalten die Roboterbewegungen in Isaac Sim dieselben Trajektorien und Zykluszeiten wie die realen Geräte bei, wodurch die Diskrepanz zwischen Simulation und Realität verringert wird. Die Umgebung unterstützt zudem bestärkendes Lernen und Imitationslernen, was die Bewertung und Bereitstellung von Physical-AI-Systemen beschleunigt.
Im zweiten Integrationsmodus dient RoboGuide als primäres Frontend, während die Nvidia PhysX-Engine für erweiterte Simulationen im Backend integriert ist. RoboGuide nutzt nun PhysX, um komplexe Aufgaben wie das Aufnehmen von Teilen aus Behältern präzise zu simulieren. Zufällig gemischte Teile können durch physikbasierte Modellierung realistisch abgebildet werden. Das 3D-Vision-System von RoboGuide erkennt die Position der Teile, woraufhin der Roboter Greif- und Ablegevorgänge ausführt. Die Umgebung kann reale Szenarien im virtuellen Raum nachbilden, z. B. wenn der Roboter ein bestimmtes Teil nicht entnehmen kann und automatisch eine Alternative wählt.
Benutzer können Machbarkeitsstudien für Behälter-Entnahmesysteme in der virtuellen Umgebung durchführen, ohne aufwändige Trial-and-Error-Prozesse mit echten Teilen durchlaufen zu müssen. Durch die Integration von PhysX wurde die Effizienz bei der Konstruktion und Bereitstellung von Behälter-Entnahmesystemen in RoboGuide gesteigert – Systeme, die traditionell viel Zeit und Erfahrung vor Ort erfordern.
Während der Veranstaltung zum Tag der offenen Tür für Neuprodukte im Mai präsentierte Fanuc ein Zweiarmsystem, bei dem zwei CRX-Kollaborationsroboter durch Imitationslernen ein T-Shirt falten. Das System nutzt das offene Robotermodell Nvidia Isaac GR00T N. Das Falten flexibler Objekte wie T-Shirts erfordert, dass der Roboter seine Bewegungen kontinuierlich an die sich ständig ändernde Form anpasst – ein Prozess, der mit herkömmlichem Reproduktionslernen oder visuellen Trajektorienkompensationsmethoden nur schwer zu realisieren ist.
In der Demonstration führte ein Bediener die Faltbewegung mit einem CRX-Roboter vor, und das System erfasste die Daten durch Imitationslernen. Nach dem Training war das Zweiarmsystem in der Lage, die Aufgabe zu reproduzieren und die für das Falten erforderlichen Techniken zu erlernen. Das Imitationslernen generiert Bewegungen in Echtzeit, und die CRX-Roboter erkennen das Objekt mithilfe der Kameravisualisierung und führen den Faltvorgang autonom durch.
Herkömmliches Imitationslernen erzeugt oft segmentierte und diskontinuierliche Roboterbewegungen. Fanuc kombinierte seine fortschrittliche Bewegungssteuerungstechnologie mit dem Nvidia GR00T N-Modell, wodurch die Roboter fließende und kontinuierliche Bewegungen ausführen konnten. Die Besucher konnten live beobachten, wie das Zweiarmsystem das T-Shirt autonom und in Echtzeit faltete.
Auf der Tokyo International Robot Exhibition 2025 präsentierte Fanuc einen KI-Roboter mit Kollisionsvermeidungsfunktion, der auf der offenen Roboterplattform des Unternehmens basiert. Das System wurde auf Nvidias neuesten Robotercomputer Nvidia Jetson Thor aufgerüstet. Durch den Austausch des Nvidia Jetson AGX Orin-Moduls gegen das Jetson T5000-Modul wurde die KI-Rechenleistung um mehr als das 7,5-fache gesteigert. Die Besucher konnten auf der Messe sehen, wie der Roboter dank der Leistung von Jetson Thor schneller und flüssiger auf menschliche Bewegungen reagierte.
Auf der Neuprodukt-Ausstellung im Mai erlebten die Besucher die Robotersteuerung im virtuellen Raum, hochpräzise Simulationen, physikbasierte Simulationen mit PhysX, eine Demonstration eines Zweiarmsystems mit Imitationslernen basierend auf Nvidias Robotik-Grundmodell sowie ein kollaboratives Robotersystem, das Nvidias neueste Edge-Computing-Plattform integriert.
