Новое партнёрство компаний ABB и NVIDIA демонстрирует, как симуляция физического ИИ приносит реальную отдачу от вложений в автоматизацию производства и помогает преодолевать типичные трудности.
Производителям часто сложно добиться стабильной работы умных роботов за пределами тестовых условий. Главная причина — несоответствие между моделями для цифрового обучения и реальными условиями на заводах, где освещение, свойства материалов и вариации деталей не повторяют поведение на экране.
Раньше из-за таких проблем командам инженеров приходилось возвращаться к физическим прототипам, что затягивало вывод продуктов на рынок и увеличивало расходы.
Преодоление разрыва между цифровой и физической симуляцией ИИ
Сотрудничество ABB Robotics и NVIDIA направлено на устранение этого разрыва путём внедрения промышленного физического ИИ на производственные площадки. Платформа RobotStudio HyperReality, запуск которой намечен на вторую половину 2026 года, уже привлекает внимание клиентов по всему миру.
ABB интегрировала библиотеки NVIDIA Omniverse в своё ПО RobotStudio, создав среду для цифрового тестирования с высокой физической точностью. Благодаря этому инженеры могут сократить затраты на развёртывание до 40 процентов и ускорить вывод на рынок до 50 процентов.
Для достижения таких показателей предусмотрена схема, при которой руководители производства проектируют, тестируют и проверяют целые автоматизированные ячейки до установки оборудования. Система экспортирует полностью параметризованную станцию — включая роботы, датчики, освещение, кинематику и детали — в формате USD-файла прямо в Omniverse.
В этой цифровой среде виртуальный контроллер запускает то же ПО прошивки, что и на реальном оборудовании, обеспечивая 99-процентное совпадение поведения виртуальной и физической систем.
Вместо ручного программирования траекторий модели компьютерного зрения обучаются на синтетических изображениях, созданных внутри ПО. В сочетании с технологией Absolute Accuracy такой подход снижает ошибки позиционирования с 8–15 мм до примерно 0,5 мм, что критично для промышленных задач.
Марк Сегура, президент ABB Robotics, отметил: «Интеграция RobotStudio с библиотеками NVIDIA Omniverse для точной физической симуляции устраняет давний разрыв между симуляцией и реальностью. Это прорыв для внедрения физического ИИ с промышленной точностью в реальных проектах клиентов».
Проверка автоматизации заводов перед внедрением
Первые пользователи уже проверяют эти возможности на действующих линиях.
Например, Foxconn тестирует ПО для сборки потребительских устройств — сферы, где частая смена продуктов и хрупкие металлические детали усложняют традиционную автоматизацию. Благодаря синтетическим данным для виртуального обучения Foxconn добивается высокой точности на производстве, сокращая время на настройку и избавляясь от дорогих физических тестов.
Аналогично калифорнийский поставщик автоматизации Workr сочетает свою платформу WorkrCore с оборудованием ABB, обученным через Omniverse. На мероприятии NVIDIA GTC 2026 в Сан-Хосе компания планирует показать системы, осваивающие новые детали за минуты без навыков специализированного программирования.
Дипу Талла, вице-президент по робототехнике и edge ИИ в NVIDIA, добавил: «Промышленности нужны реалистичные симуляции, чтобы преодолеть разрыв между виртуальным обучением и масштабным развёртыванием ИИ-роботов в реальности».
«Внедрение библиотек NVIDIA Omniverse в RobotStudio привносит продвинутую симуляцию и ускоренные вычисления в виртуальные контроллеры ABB, помогая тысячам производителей быстрее выводить сложные продукты на рынок».
Экосистема оборудования тоже растёт в сторону edge-вычислений. ABB изучает интеграцию платформы NVIDIA Jetson в контроллеры Omnicore, что позволит запускать вывод ИИ в реальном времени на существующих роботизированных флотах.
Переход к цифровой симуляции для физического ИИ способен сократить время на настройку и ввод в эксплуатацию до 80 процентов. По мере перемещения ИИ от софта к аппаратным задачам успех производителей будет зависеть от подготовки потоков данных и обучения инженеров работе с синтетическими данными.