大規模ロボットシステム向け物理AIオーケストレーター

インテリジェントロボットを実証段階から信頼性の高い運用段階へと移行させるには、高性能な機械だけでは不十分です。ある産業組織は、仮想トレーニング、ミッションのオーケストレーション、再利用可能なロボット機能を結びつける「フィジカルAI」フレームワークを構築し、シミュレーションから実環境への導入に至る体系的な道筋を確立しました。
電力会社の現場技術者が、ヒューマノイド型の点検ロボットの横を歩きながら変電所内を進んでおり、サービスレーンのさらに先では車輪付きロボットが稼働している。
ミッションの調整
計画、実行、および監視の一元化
物理モデルに基づく検証
シミュレーションは導入リスクの低減に寄与する
モジュール関数
ナビゲーション、知覚、操作の再利用
スケール基礎
長期的なロボット工学ロードマップの実現
水力発電所内では、車輪付きロボット、四足歩行ロボット、ヒューマノイドロボットが作業を行い、一方、電力会社の技術者たちは安全な場所からその作業状況を監視している。
ロボット工学のパイロットプロジェクトから、拡張可能な物理AI運用モデルへ

あるフレームワークは、仮想訓練、ミッションコントロール、および再利用可能なロボット機能を統合し、より安全で再現性の高い展開を実現します。

シミュレーション、ミッション管理、現場での実行が別々のままでは、ロボティクスの規模拡大は実現できなかった。
目的
このイニシアチブは、プラント環境全体におけるロボットの導入を体系化することを目的としていました。その目標は、オーケストレーション、シミュレーション、再利用可能な機能、そして継続的な学習を単一の方法論に統合し、チームが運用リスクに対してより一貫したアプローチでロボットアプリケーションを設計、テスト、導入できるようにすることでした。
機会
この「デプロイメント・ファクトリー」モデルは、特定のロボット形態に縛られないマルチサイト型ロボットプログラムへの道を開きます。公益事業やその他の資産集約型環境においても、各ユースケースが運用環境、安全要件、および成功指標に基づいて検証されれば、この同じアプローチにより、再現性のある点検、保守、および遠隔実行のワークフローを実現することが可能です。
有望なロボット技術を、再現性のある運用へと転換する

クライアントには、開発、検証、現場での実行を結びつけ、かつ運用チームが確認、追跡、再利用可能なエビデンスを生成できる、一貫性のある運用モデルが必要とされていました。

主な課題
技術者たちは、電力インフラのすぐそばにある設備保守作業場内の、互いに隔離された作業ステーションで、それぞれ別のロボット試作機の開発に取り組んでいる。
1: 連携が取れていない開発環境
ロボットアプリケーションは、別々のツールや環境で開発されていたため、シミュレーション、ミッション設計、および実機での実行間の一貫性が損なわれていた。
実稼働中の変電所の隣にある管理された訓練エリアで、ヒューマノイドロボットの試験が行われており、技術者たちは安全柵の後ろからその様子を見守っている。
2: シミュレーションから実運用への移行の難しさ
この取り組みでは、ロボットが実際の運用に投入される前に導入リスクを低減するため、物理法則に基づいた検証とデジタルツインの同期化が必要とされました。
四足歩行の点検ロボットが、狭い地下電力ケーブルトンネルへと進入する一方、電力会社の技術者は防護ゲートの後ろに待機している。
3: 実地での証拠を具体的な行動につなげる必要性
ロボティクス、マシンビジョン、その他の物理技術は、膨大な量の証拠を生み出す可能性があります。エンジニアリング、運用、保守の各チームには、その証拠を精査し、追跡し、それに基づいて行動を起こすためのワークフローが必要でした。
整備技術者たちが、トランスミッションの整備準備エリアで、ヒューマノイド型、車輪型、四足歩行型のロボットからなる混合機群を整備している。
4: 孤立したパイロットプロジェクトを超えたスケールアップ
より広範な運用へと移行するには、再利用可能なロボット機能、再現性のあるミッション、そして異なるロボットタイプ間での一元的な調整が必要でした。
解決策
フィジカルAI用のデプロイメントファクトリ

このデリバリーモデルは、再利用を念頭に設計されたエンドツーエンドのフレームワークにおいて、ロボット開発、仮想および実環境での検証、ミッションの調整、および運用後のフォローアップを連携させたものである。

チェックアイコン
統合型物理AIフレームワーク

共通のフレームワークがシミュレーションと実世界のロボティクスを結びつけ、アプリケーションの開発と展開のための統一された基盤を構築した。

チェックアイコン
オンラインおよび対面でのトレーニング

物理ベースのシミュレーションと同期化されたトレーニング環境により、実際の運用環境に移行する前にロボットの挙動を検証することが可能となった。

チェックアイコン
運用証拠のワークフロー

現場でのデータ収集、処理、確認、およびフォローアップが連携されたことで、実世界の証拠を工学的な判断や運用上の意思決定に反映させることが可能となった。

チェックアイコン
一元的なオーケストレーションと再利用可能な関数

ミッションの計画、実行、監視は一元化され、一方で、ナビゲーション、知覚、操作に関するモジュール化された機能により、各ミッション間で繰り返し利用が可能となった。

影響
大規模なロボット工学に向けた、より強固な基盤

このイニシアチブでは、物理ベースのシミュレーションとデジタルツインの同期を活用し、導入リスクの低減を支援する、拡張性のあるロボット導入ファクトリー手法を確立しました。ナビゲーション、知覚、操作のための再利用可能な機能は、長期的なフィジカルAIおよびヒューマノイドロボットの導入に向けた基盤を提供します。

ドラッグ