AWS laiž atvērtā koda Physical AI Toolchain robotikai kopā ar Nvidia

Amazon Web Services (AWS) ir laidis klajā atvērtā koda Physical AI Toolchain — rīkkopu, kas paredzēta robotikas un citu fiziskā mākslīgā intelekta sistēmu izstrādei. Tā savieno AWS mākoņa pakalpojumus ar Nvidia Physical AI programmatūras komplektu vienā darba plūsmā no datu vākšanas līdz modeļa izvietošanai uz reāla robota.

Atšķirībā no klasiskā MI, kas galvenokārt apstrādā tekstu un datus ekrānā, fiziskais MI ļauj mašīnām uztvert vidi, spriezt un rīkoties reālajā pasaulē — rūpnīcās, noliktavās, uz ceļiem un cilvēkveidīgos robotos. AWS Industries viceprezidents Uvems Ukpongs (Uwem Ukpong) norādījis, ka klienti pārāk daudz inženieru laika tērē infrastruktūrai, nevis inovācijai, un rīkkopas mērķis esot šo līdzsvaru mainīt.

Rīkkopa aptver piecus posmus: sintētisko datu ģenerēšanu, modeļu apmācību, simulāciju un validāciju, izvietošanu uz ierīces (edge) un nepārtrauktu uzlabošanu ar datiem no jau strādājošām mašīnām. AWS pusē tiek minēti Amazon SageMaker apmācībai, EC2 GPU instances simulācijai, S3 datu glabāšanai un AWS IoT Greengrass modeļu nosūtīšanai uz lauka ierīcēm; starp Nvidia komponentiem — Isaac Sim, Isaac Lab, Isaac GR00T un Cosmos.

The Robot Report un Engineering.com ziņo, ka risinājums ir aparatūras ziņā neitrāls: izstrādātāji var pievienot savus robotu aprakstus, teleoperācijas datus un uzdevumu definīcijas, kā arī izmantot atsevišķus blokus vai veselu plūsmu. AWS Robotics Frontier AI direktors Sri Elaprolu uzsvēris, ka fiziskā MI apmācībai bieži trūkst reālu datu, tāpēc sintētiskie scenāriji un simulācija ir būtiski.

Amazon norāda, ka rīkkopa ietver mācības no paša uzņēmuma robotikas operācijām, kurās izvietoti vairāk nekā viens miljons robotu. Starp pieminētajiem partneriem un lietojumiem ir NEURA Robotics cilvēkveidīgie roboti, RLWRLD modelis veiklai manipulatīvai darbībai ar rokām un Config datu cauruļvads ar vairāk nekā 200 000 stundu robotu darbības datu. Nvidia Robotics Developer Ecosystem vadītājs Amits Goels (Amit Goel) uzsvēris, ka fiziskais MI prasa ciešu apmācības, simulācijas un izvietošanas platformu savienojumu.

AWS publicējis tehnisko dokumentāciju un atsauces arhitektūras GitHub. Uzņēmums sola, ka ražotāji ar šādu komplektu fiziskā MI spējas varētu palaist nedēļās, nevis gados, taču šis apgalvojums ir paša AWS prognoze, nevis neatkarīgi izmērīts rezultāts. Tālākais solis lietotājiem ir pielāgot komponentus savai aparatūrai un drošības prasībām.