在工業應用中，機械臂很長一段時間都被當作一個特定動作的強執行機構使用，例如在固定場景下進行定點上下料、搬運、焊接、涂膠等動作，但我們的世界并不是一條可預測的生產線。
近幾年，人們對個性化的需求越來越高，普通流程化制造的商品越來越難以滿足需求，小批量、多品種的趨勢席卷了汽車、電子、家電等各類消費品，一體化、柔性化成為了機器人行業及制造業發展的主流趨勢。在此背景下，機械臂也正經歷著從單一功能向多功能、從固定場景向靈活應用的深刻轉變，朝著更智能的方向發展。
目前，機械臂技術在高精度和可重復性方面取得了顯著進展，然而，這種出色的精度往往未能有效地轉化為對許多日常物體的操縱能力，這為機器臂開發乃至整個行業都帶來了新的挑戰，AI 的到來或許能夠破局。
以打造 AI 芯片而聞名，近年來，AI 的蓬勃發展已使 NVIDIA 成為全球最具價值的公司之一。在今年 3 月的 GTC 上，NVIDIA 創始人兼首席執行官黃仁勛將機器人稱為“物理形態的人工智能”，并預言，機器人將成為“AI 發展的下一波浪潮”，會上發布的眾多新品，向行業展示了其進軍機器人賽道的決心。
針對機械臂，NVIDIA 發布了 Isaac Manipulator，可幫助開發商利用 AI 加快構建產品，AI 與機械臂的完美結合，也將有效推動機械臂在復雜任務執行上的邊界能力。
力求為行業帶來“智慧”機械臂
具體來看，NVIDIA Isaac Manipulator 是 NVIDIA 專為機械臂設計的一款綜合性 AI 解決方案，可為機械臂提供一系列先進的運動生成和模塊化 AI 功能，以及各種強大的基礎模型和 GPU 加速庫，可助力企業快速構建能夠無縫感知、理解并與環境交互的機械臂，幫助企業加速解決在動態環境下的挑戰。
圖片來源：NVIDIA
Isaac Manipulator 的誕生并非偶然，而是 NVIDIA 在計算領域長期積累和創新的結果。Isaac Manipulator 充分利用了 NVIDIA 在 GPU 計算領域的深厚技術，其為機械臂提供的一系列 GPU 加速庫能夠顯著提升機械臂路徑規劃、雙目視覺深度感知、目標檢測等關鍵任務的計算速度，這種加速能力使得機械臂能夠在更短的時間內完成復雜任務，提高生產效率和響應速度。
除強大的 GPU 加速能力外，零樣本感知是 Isaac Manipulator 進行目標檢測的另一大技術亮點。在機器人技術領域，實現可泛化的機器人操縱一直是研究的熱點。
為了實現可泛化的機器人操縱，傳統機械臂在執行新任務時往往需要依賴于海量數據進行模仿學習，但是在真實場景中收集充足的機器人數據過于昂貴，導致成本問題顯著。
而 Isaac Manipulator 先進的零樣本感知技術，使機械臂能夠在沒有預先訓練數據的情況下，快速適應新環境和新任務，這一技術突破極大地提高了機械臂的靈活性和適應性，且降低了企業的開發成本和周期。
Isaac Manipulator 還提供了一系列可定制的模塊化 AI 組件，包括各種強大的基礎模型、感知算法、運動規劃等。
具體包括：用于對以前未見過的物體進行 6D 姿勢估計和追蹤的開創性基礎模型 FoundationPose；通過同時運行多個軌跡優化來解決工業規模機器人運動規劃問題的 GPU 加速運動規劃器 cuMotion；基于 transformer，可對未知 3D 物體進行密集抓取預測的一種新的統一基礎模型 FoundationGrasp（即將上市）；可加快新對象的檢測、渲染和訓練速度的適用于室內環境的對象檢測模型 SyntheticaDETR。
圖片來源：NVIDIA
圖片來源：NVIDIA
開發者可以根據具體任務需求自由組合這些組件，構建出最適合的解決方案。這種高度模塊化的設計簡化了開發流程，滿足不同行業對機械臂智能化的需求，使機械臂能夠更廣泛地應用于各種工業制造場景，也為企業的數字化轉型和智能化升級提供了有力支撐。
在真實場景下決勝最后 1 厘米
隨著 AI 與機器人技術的飛速發展，機器人被譽為通往自動化的“最后一公里”，而讓機器人技術觸手可及的機械臂則是實現智能化操作的“最后一厘米”。基于 NVIDIA Isaac Manipulator，現代智能機械臂有望在工業制造、柔性物流、商用服務等場景中廣泛落地。
在探討機械臂技術的諸多方面時，末端執行器是其中尤為關鍵的一環。機械臂要真正實現類人手臂般的作業，末端執行器的抓取、放置、遠程操作等多樣化用途顯得尤為重要。然而，開發經濟實惠、易于使用且功能豐富的末端工具仍是科研人員面臨的一大問題。
Alphabet 旗下軟件和 AI 機器人子公司 Intrinsic 在今年 5 月份芝加哥舉行的 Automate 展會上，重點展示了由 Isaac Manipulator 賦能的基礎模型在推進機器人末端執行器開發上的技術突破。
Intrinsic 在其跨機器人軟件平臺中成功測試了 Isaac Manipulator，向行業展示了一種可擴展且普適的機器人抓握潛力，這種技能可以作用于不同的抓手、環境和物體，使機械臂實現與人手臂相仿的靈活性。
圖片來源：Intrinsic
據介紹，借助 NVIDIA Omniverse 平臺上的 NVIDIA Isaac Sim，Intrinsic 利用金屬板和吸力抓手 CAD（計算機輔助設計）模型生成了真空抓取的合成數據，以此創建出了一個原型。
該原型使用 Intrinsic Flowstate 實現流程可視化、相關感知和運動規劃，通過一套包含 Isaac Manipulator 的工作流，生成抓取姿勢和由 CUDA 提供加速的機器人運動。這些運動先通過 Isaac Sim 進行仿真評估以節省成本，隨后再通過 Intrinsic 平臺部署到現實世界中。這一測試也充分驗證了 Isaac Manipulator 在機械臂開發上的卓越性。
作為工業機器人的重要分支，協作機器人已成為機器人產業的必爭之地，而提高協作機器人的性能更是推動整個行業技術進步的關鍵。
近些年，全球協作機器人巨頭優傲機器人一直在加強其產品的 AI 能力，該公司與 NVIDIA 在 AI 領域有著深度合作。據悉，優傲機器人正在將 Isaac Manipulator 集成到其 PolyScope X 軟件平臺中，以解鎖新的協作機器人解決方案。
圖片來源：優傲機器人
PolyScope X 作為優傲機器人的軟件平臺，已經支持多樣化的編程方式和靈活部署，為用戶提供了便捷的操作體驗，集成更多先進的 AI 功能后，將給整個行業帶來更強大、更智能的機器人解決方案。
而 Isaac Manipulator 作為先進的 AI 工具，具有強大的路徑規劃和抓取姿勢生成能力，如果成功集成到 PolyScope X 軟件平臺，將顯著提升優傲機械臂的自動化水平和靈活性。
此外，cuMotion 路徑規劃器利用 NVIDIA GPU 的并行處理能力，不僅可以自動計算無碰撞軌跡的路徑規劃，還可以根據其他標準（如速度、最小磨損或能源效率）進行路徑優化。
cuMotion、PolyScope X 和優傲協作機器人的結合將使一系列以前無法完全自動化的應用程序成為可能，它還可以改進現有的編程概念，對于客戶來說，該技術可以簡化常見工業應用的設置，促進機器人在高混合、低體積場景中的采用，大大提高自動化客戶的效率。
寫在最后
中國機械臂市場規模近年來呈現出顯著的增長趨勢。據市場研究機構數據顯示，2022 年我國機械臂市場規模接近 178.3 億元，2023 年市場規模增至 186.4 億元。隨著全球制造業升級和自動化需求的推動，機械臂在汽車制造、電子制造、物流倉儲等領域的應用將持續擴大，預計到 2025 年，國內機械臂市場規模總值將超過 200 億。
而 AI 技術對機械臂開發的重要意義在于，它賦予了機械臂更高級別的智能化能力，使其能夠感知、理解和適應環境，執行更復雜和精細的任務。NVIDIA Isaac Manipulator 為機械臂的創新和發展提供了強大的技術支持，它也為機械臂開辟了更廣闊的應用前景。
隨著科技的融合應用，未來的機械臂將不僅僅是執行簡單任務的工具，更將成為智能制造系統中的決策者和協調者。在這種發展趨勢下，只有不斷提升機械臂的控制精度和智能水平，才能滿足未來復雜生產環境的需要，讓機械臂在汽車制造、3C 電子、醫療、物流等關鍵細分市場大有作為。
幫助中心
會員中心
在線客服