这款机器人完全透过合成资料进行训练，能够抓取不同形状与尺寸的包裹和商品，进行外观检测。图: Amazon Device& Services/提供

Amazon Devices& Services运用 NVIDIA AI与数位孪生，向零接触制造愿景大幅迈进，Amazon的创新制造解决方案利用 NVIDIA技术，让机器手臂自动检测装置，并将新产品无缝整合至生产线。

NVIDIA表示，Amazon Devices& Services运用 NVIDIA数位孪生技术，推出全新的物理 AI软件解决方案，推动制造业大幅跃进。

NVIDIA× Amazon打造零接触制造革命：机器人只靠模拟就能开工

本月在 Amazon装置生产设施部署的这项创新方案，采用以模拟为主轴的零接触制造机制，训练机器手臂检测各类装置，以进行产品品质检测，并将新产品整合至生产线。全程都是以合成资料为基础，无需更换任何硬件。

这项新技术结合 Amazon装置部门所打造的生产线流程模拟软件与 NVIDIA驱动的数位孪生产品。该技术采用模组化、AI驱动的工作流程，相较于以往所使用的检测机器，检查速度更快、效率更高。

在数位孪生中模拟制程与产品，可省去昂贵又耗时的物理原型设计。这样可以简化制造商的工作流程，并缩短将新产品送到消费者手中所需要的时间。

为了让机器作业实现零样本制造，该解决方案利用 Amazon装置与工厂站点的逼真物理模拟来产生合成资料。这些针对工厂情境搜集的资料会被用于提升 AI模型在模拟环境与实际工作站中的效能，并在部署前尽可能地缩小模拟与实际之间的差距。

这是迈向通用制造的一大步：即使没有物理原型，也能使用自动化系统与技术，灵活处理各种产品与生产流程。

适用于机器人理解的 AI及数位孪生

透过在数位孪生中训练机器人识别及处理新装置，Amazon Devices& Services有能力打造更快、更模组化且易于控制的制造流程，让生产线只需透过软件，便可从一种产品切换至另一种产品。

这样即可纯粹根据模拟训练，配置机器人动作以制造产品，包括组装、测试、包装与稽核等步骤。

NVIDIA Isaac技术套件能让 Amazon Devices& Services实现物理上精准、以模拟优先的方法。

当推出新装置时，Amazon Devices& Services会将其电脑辅助设计（CAD）模型整合至 NVIDIA Isaac Sim，这是一个基于 NVIDIA Omniverse平台的开源机器人模拟参考应用程序。

NVIDIA Isaac用于根据每款装置的电脑辅助设计模型，生成50,000多个多样化的合成影像，这些影像对于训练物体与瑕疵侦测模型相当重要。

Isaac Sim下一步会处理资料，并运用 NVIDIA Isaac ROS产生用于处理产品的机械手臂轨迹。

AWS透过 AWS Batch在 Amazon EC2 G6执行个体上，针对 Amazon装置的产品规格进行分散式 AI模型训练，同时利用 Amazon EC2 G6系列执行个体上的 NVIDIA Isaac Sim，进行基于物理的模拟与合成资料生成，显著加速了这项技术的开发。

此解决方案采用 Amazon Bedrock，一项可用来建立生成式 AI应用与代理的服务，并根据产品规格文件的分析，在工厂中规划高阶任务及特定检测测试案例。Amazon Bedrock AgentCore将用于生产线上多个工厂站点的自主流程规划，并能读取多模态的产品规格输入，例如3D设计与表面材质属性。

NVIDIA表示，为了协助机器人理解周遭环境，该解决方案采用 NVIDIA cuMotion，一种经 CUDA加速的动作规划函式库，能在 NVIDIA Jetson AGX Orin模组上以极为短暂的时间内生成避障轨迹。作为 Isaac ROS的一部分，nvblox函式库则会产生 cuMotion用来进行避障路径规划的距离场。

NVIDIA表示，FoundationPose是使用500万张合成影像训练而成的NVIDIA基础模型，用于进行姿态估测与物体追踪，可确保 Amazon Device& Services的机器人得以准确掌握装置的位置与方向。对于全新的制造解决方案而言，FoundationPose的关键在于该模型能在没有事先接触的情况下延伸至全新物体，让不同产品之间可以顺畅转换，无需为每次变更搜集新资料重新训练模型。作为产品检测的一环，新解决方案的策略可用于侦测制造线上的瑕疵。其模组化设计可在未来整合 NVIDIA Cosmos Reason等进阶推理模型。