Amazon的創新製造解決方案利用NVIDIA技術，讓機器手臂自動檢測裝置，並將新產品無縫整合至生產線
Amazon Devices & Services 運用 NVIDIA 數位孿生技術，推出全新的物理 AI 軟體解決方案，推動製造業大幅躍進。
本月在 Amazon 裝置生產設施部署的這項創新方案，採用以模擬為主軸的零接觸製造機制，訓練機器手臂檢測各類裝置，以進行產品品質檢測，並將新產品整合至生產線。全程都是以合成資料為基礎，無需更換任何硬體。
這項新技術結合 Amazon 裝置部門所打造的生產線流程模擬軟體與 NVIDIA 驅動的數位孿生產品。該技術採用模組化、AI 驅動的工作流程，相較於以往所使用的檢測機器，檢查速度更快、效率更高。
在數位孿生中模擬製程與產品，可省去昂貴又耗時的物理原型設計。這樣可以簡化製造商的工作流程，並縮短將新產品送到消費者手中所需要的時間。
為了讓機器作業實現零樣本製造，該解決方案利用 Amazon 裝置與工廠站點的逼真物理模擬來產生合成資料。這些針對工廠情境蒐集的資料會被用於提升 AI 模型在模擬環境與實際工作站中的效能，並在部署前盡可能地縮小模擬與實際之間的差距。
這是邁向通用製造的一大步：即使沒有物理原型，也能使用自動化系統與技術，靈活處理各種產品與生產流程。
適用於機器人理解的AI及數位孿生
透過在數位孿生中訓練機器人識別及處理新裝置，Amazon Devices & Services 有能力打造更快、更模組化且易於控制的製造流程，讓生產線只需透過軟體，便可從一種產品切換至另一種產品。
這樣即可純粹根據模擬訓練，配置機器人動作以製造產品，包括組裝、測試、包裝與稽核等步驟。
NVIDIA Isaac 技術套件能讓 Amazon Devices & Services實現物理上精準、以模擬優先的方法。
當推出新裝置時，Amazon Devices & Services會將其電腦輔助設計（CAD）模型整合至 NVIDIA Isaac Sim，這是一個基於 NVIDIA Omniverse 平台的開源機器人模擬參考應用程式。
NVIDIA Isaac 用於根據每款裝置的電腦輔助設計模型，生成 50,000 多個多樣化的合成影像，這些影像對於訓練物體與瑕疵偵測模型相當重要。
Isaac Sim 下一步會處理資料，並運用 NVIDIA Isaac ROS 產生用於處理產品的機械手臂軌跡。
AWS 透過 AWS Batch 在 Amazon EC2 G6 執行個體上，針對 Amazon 裝置的產品規格進行分散式 AI 模型訓練，同時利用 Amazon EC2 G6 系列執行個體上的 NVIDIA Isaac Sim，進行基於物理的模擬與合成資料生成，顯著加速了這項技術的開發。
此解決方案採用 Amazon Bedrock，一項可用來建立生成式 AI 應用與代理的服務，並根據產品規格文件的分析，在工廠中規劃高階任務及特定檢測測試案例。Amazon Bedrock AgentCore 將用於生產線上多個工廠站點的自主流程規劃，並能讀取多模態的產品規格輸入，例如 3D 設計與表面材質屬性。
為了協助機器人理解周遭環境，該解決方案採用 NVIDIA cuMotion，一種經 CUDA 加速的動作規劃函式庫，能在 NVIDIA Jetson AGX Orin 模組上以極為短暫的時間內生成避障軌跡。作為 Isaac ROS 的一部分，nvblox 函式庫則會產生 cuMotion 用來進行避障路徑規劃的距離場。
FoundationPose 是使用 500 萬張合成影像訓練而成的 NVIDIA 基礎模型，用於進行姿態估測與物體追蹤，可確保 Amazon Device & Services 的機器人得以準確掌握裝置的位置與方向。
對於全新的製造解決方案而言，FoundationPose 的關鍵在於該模型能在沒有事先接觸的情況下延伸至全新物體，讓不同產品之間可以順暢轉換，無需為每次變更蒐集新資料重新訓練模型。
作為產品檢測的一環，新解決方案的策略可用於偵測製造線上的瑕疵。其模組化設計可在未來整合 NVIDIA Cosmos Reason 等進階推理模型。
