亚马逊设备与服务部门通过 NVIDIA AI 与数字孪生技术，实现零接触制造的关键突破

基于 NVIDIA 技术构建的创新型制造解决方案，使机械臂能够实现设备自主检测，并能将新产品无缝整合到生产线中。

利用 NVIDIA 数字孪生技术，亚马逊设备与服务部门正通过全新物理 AI 软件解决方案，在制造领域实现重大飞跃。

亚马逊设备工厂本月部署的创新性“仿真驱动”零接触制造方案，通过合成数据训练机械臂执行双重任务：实施多品类设备的产品质量审核，并将新产品无缝集成至生产线, 全程无需改造硬件。

这项新技术能够将亚马逊设备部门自研的产线流程仿真技术与 NVIDIA 赋能的数字孪生结合起来。这项技术采用模块化的 AI 驱动的工作流，相比此前使用的检测设备，能实现更快、更高效的检测。

通过在数字孪生中对流程和产品进行仿真，无需进行成本高昂、耗时的物理原型设计。这简化了制造商的工作流，同时缩短了新产品的上市周期。

为实现机器人运营的零样本制造，该解决方案使用亚马逊设备和工厂工作站的高保真物理渲染模型来生成合成数据。此类为工厂定制化的数据能够显著提升 AI 模型在仿真过程和真实工作站中的性能表现，在部署之前更大限度地缩短仿真与现实之间的差距。

这是迈向通用化制造的一大步：借助自动化系统与技术，即便无需物理原型，也能灵活应对种类繁多的产品及多样化的生产流程。

AI、数字孪生增强机器人理解力
亚马逊设备与服务部门通过在数字孪生中训练机器人识别并处理新设备，得以构建更快速、更模块化且易于控制的制造流程。这使得生产线仅通过软件调整，就能从检测一种产品无缝切换至另一种产品。

机器人的动作完全可以根据仿真环境中完成的训练进行配置，以实现产品制造，包括装配、测试、包装和质检等环节。

一整套 NVIDIA Isaac 技术为亚马逊设备与服务部门提供了物理精度级的仿真驱动方案技术支撑。

当引入新设备时，亚马逊设备与服务部门会将其计算机辅助设计 (CAD) 模型置入 NVIDIA Isaac Sim 中，这是一款基于 NVIDIA Omniverse 平台构建的开源机器人仿真参考应用。

NVIDIA Isaac 可通过 CAD 模型为每台设备生成超过 50,000 种多样化合成图像，这对于训练对象和缺陷检测模型至关重要。

随后，Isaac Sim 对数据进行处理，并利用 NVIDIA Isaac ROS 生成用于操作该产品的机械臂运动轨迹。

机器人仅基于合成数据进行训练，即可抓取不同形状和大小的包装和产品，以进行外观检查。真实工作站（左）与仿真工作站（右）。图片由亚马逊设备与服务部门提供。

AWS 显著加快了这项技术的研发进程。通过 AWS Batch 在 Amazon EC2 G6 实例上对亚马逊设备的产品规格开展分布式 AI 模型训练，同时在 Amazon EC2 G6 系列实例上运行 NVIDIA Isaac Sim，进行基于物理的仿真和合成数据生成。

该解决方案采用亚马逊 Bedrock（一项用于构建生成式 AI 应用和智能体的服务），基于对产品规格文档的分析，在工厂中规划高层级任务和具体的质检测试用例。亚马逊 Bedrock AgentCore 将用于生产线上多个工厂站点的自主工作流规划，能够处理多模态产品规格输入，如 3D 设计和表面属性等。

为帮助机器人理解周围环境，该解决方案采用了 NVIDIA cuMotion，这是一个 CUDA 加速的运动规划库，能在 NVIDIA Jetson AGX Orin 模组上于毫秒级时间内生成无碰撞轨迹。而作为 Isaac ROS 的组成部分，nvblox 库可生成距离场，为 cuMotion 的无碰撞轨迹规划提供支持。

NVIDIA 基础模型 FoundationPose通过 500 万张合成图像训练，实现位姿估计与物体跟踪，帮助确保亚马逊设备与服务部门的机器人精准识别设备的准确位置和方向。

FoundationPose 对于新型制造解决方案至关重要，它可以泛化至从未见过的全新物体，无需预先接触目标对象，从而在不同产品之间无缝过渡，并省去因产品变更而重新收集数据训练模型的步骤。

在产品质检环节，这一新方案可用于生产线上的缺陷检测。其模块化设计还支持未来集成如 NVIDIA Cosmos Reason 等先进推理模型，为功能升级预留了灵活空间。

请观看 NVIDIA 研究中心在 SIGGRAPH 大会上的特别演讲，和 NVIDIA 一起，探索如何整合图形与仿真创新来加速工业数字化转型。SIGGRAPH 大会将于8 月 14 日（星期四）结束。