Physical AI in der Industrie: Wie ABB Robotics und NVIDIA die Lücke zwischen Simulation und Realität schließen

Konventionelle Simulationsumgebungen für Roboter sind in erster Linie auf Geometrie und Bewegungsplanung ausgelegt. Sie modellieren Roboterkinematik, Erreichbarkeit und Kollisionserkennung mit hoher Genauigkeit und ermöglichen es den Ingenieuren so, Roboterbahnen und Zellenlayouts effizient zu validieren. Obwohl sich dieser Ansatz für viele klassische Automatisierungsaufgaben bewährt hat, bildet er die Komplexität und Variabilität realer Industrieumgebungen nicht ausreichend ab.

Obwohl Physical AI eine neue Generation von Robotern verspricht, die autonom wahrnehmen, schlussfolgern und handeln können, haben KI-gesteuerte Automatisierungssysteme oft Schwierigkeiten, über kontrollierte Umgebungen hinaus zu skalieren. Produktionsumgebungen arbeiten nur selten unter perfekten Bedingungen. Die Lichtintensität verändert sich im Tagesverlauf, Oberflächen erzeugen unvorhersehbare Reflexionen, Teile können falsch ausgerichtet ankommen, und Sensoren können Rauschen oder Verzerrungen verursachen. Für KI-gesteuerte Wahrnehmungssysteme, die sich auf visuelle Daten stützen, um Roboterbewegungen zu steuern, können diese scheinbar kleinen Abweichungen erhebliche Auswirkungen auf die Leistung haben.

Auch das Verhalten der Steuerung kann zu Abweichungen führen. Viele Simulationstools nähern die Roboterbewegung lediglich an, anstatt dieselbe Steuerlogik auszuführen wie der physische Roboter. Das kann dazu führen, dass sich Timing, Beschleunigungsprofile oder die Ausführung von Bahnen unterscheiden, wenn Programme von der Simulation auf die reale Maschine übertragen werden.

Die Abweichung zwischen dem Verhalten von Robotern in der Simulation und ihrer Leistung in einer realen physischen Anwendung wird als „Sim-to-Real“-Lücke bezeichnet. Diese Lücke zu schließen, erfordert nicht nur fortschrittlichere KI-Modelle, sondern auch die Fähigkeit, Systeme in Simulationsumgebungen zu entwerfen, zu trainieren und zu validieren, die die Bedingungen der realen Welt präzise abbilden.

Die Software RobotStudio für Offline-Programmierung und Simulation wurde von ABB Robotics ursprünglich 1998 eingeführt und hat sich einen starken Ruf als Lösung für eine schnellere, sicherere und effizientere Roboterinstallation und Inbetriebnahme erarbeitet.

Sie wird von Unternehmen jeder Größe eingesetzt und hat sich als äußerst wertvoll erwiesen, um Risiken in Automatisierungsprojekten zu minimieren. Potenzielle Probleme können erkannt und die Leistung überprüft werden, bevor überhaupt physische Ausrüstung installiert ist.

Mit der Einführung von RobotStudio HyperReality erhält die RobotStudio-Simulationsplattform nun leistungsstarke neue Fähigkeiten, die für das Zeitalter der Physical AI entwickelt wurden. Aufbauend auf den Stärken von RobotStudio als Offline-Programmierumgebung schafft HyperReality eine physikalisch präzise, fotorealistische und steuerungsgetreue Simulationsumgebung, in der Produktdesign, Wahrnehmungsmodellierung, KI-Training und Roboterbewegung gleichzeitig entwickelt werden können.

Diese Fähigkeit ermöglicht den Übergang von einer traditionellen, sequenziellen Entwicklung hin zu echtem Concurrent Engineering, bei dem Produktdesign, Fertigungsprozesse und Automatisierungssysteme parallel entworfen und validiert werden, bevor überhaupt in physische Produktionsinfrastruktur investiert wird.

Möglich wird dies durch die Kombination von Industrieroboter, digitalem Zwilling und virtueller Robotersteuerung mit fotorealistischer Simulation und synthetischer Datengenerierung auf Basis des NVIDIA Omniverse. Als offene Echtzeit-3D-Entwicklungsplattform ermöglicht Omniverse Einzelpersonen und Teams, industrietaugliche, physikalisch präzise digitale Zwillinge und virtuelle Welten aufzubauen und zu betreiben. Dadurch erweitert Omniverse die Fähigkeiten von RobotStudio zu einem leistungsstarken Simulationsrahmen, der reale Fertigungsbedingungen mit ausreichender Genauigkeit nachbilden kann, um Physical AI im industriellen Maßstab zu unterstützen.

Im Kern von RobotStudio HyperReality steht eine mehrschichtige Architektur digitaler Zwillinge, die mehrere Bereiche in einer einzigen synchronisierten Umgebung integriert. Insgesamt gibt es drei Ebenen: den Produkt-Zwilling, die fotometrische Umgebung und den Roboter-Zwilling. In Kombination kann HyperReality gleichzeitig das Produkt, seine Umgebungsbedingungen und den Roboter modellieren.

Die erste Ebene, der Produkt-Zwilling, nutzt CAD-Modelle und Fertigungstoleranzen, um Geometrie, Materialien und Eigenschaften wie Oberflächenstrukturen und Gewicht zu bewerten und so das tatsächlich montierte Produkt zu erfassen. Daraus kann das System ableiten, wie mit dem Produkt interagiert werden muss.

Die zweite Ebene analysiert die fotometrische Umgebung, also mit anderen Worten das lokale Umfeld. Dabei werden Lichtverhältnisse, Reflexionen, Schatten sowie die Kamera selbst berücksichtigt. KI-fähige Roboter müssen all diese Informationen verarbeiten können, um ein präzises 3D-Bild der lokalen Umgebung zu erstellen, was wiederum eine realistische Simulation innerhalb der übergeordneten Architektur digitaler Zwillinge ermöglicht.

Die dritte Ebene ist der Roboter-Zwilling. Diese ergänzt die beiden anderen digitalen Zwillinge, indem sie die mechanische Struktur und die Bewegungsfähigkeiten des Roboters ebenso abbildet wie seine Dynamik, Sensorik und Steuerlogik.

Dieses „Drei-in-eins“-System eröffnet neue Möglichkeiten für eine stärker kollaborative Entwicklung, bei der Produktdesigner, Automatisierungsingenieure und KI-Spezialisten bereits in den frühen Entwicklungsphasen innerhalb derselben Architektur arbeiten können.

Konventionelle Simulationsansätze versuchen in der Regel, das Verhalten des Roboters nur anzunähern. RobotStudio HyperReality unterscheidet sich hiervon durch den Virtual Controller von ABB Robotics, der dieselbe Firmware ausführt wie die physischen Robotersteuerungen. Das bedeutet im Wesentlichen, dass die Steuerung bereits sehr genau mit dem Verhalten des Roboters vertraut ist. Bewegungsbahnen, Beschleunigungsprofile, Zykluszeiten und Sensorinteraktionen in der Simulation stimmen daher sehr eng mit denen des realen Roboters überein. In der Praxis lässt sich so eine Simulationsgenauigkeit von rund 99 Prozent erreichen.

Diese Genauigkeit kann durch die Absolute-Accuracy-Technologie von ABB Robotics weiter verbessert werden. Sie kalibriert das geometrische Modell des Roboters anhand seiner physischen Konfiguration. Dadurch lassen sich Positionierungsfehler auf etwa einen halben Millimeter reduzieren, verglichen mit den in konventionellen Ansätzen typischen Abweichungen von acht bis fünfzehn Millimetern. Dieses Genauigkeitsniveau eröffnet neue Möglichkeiten in hochpräzisen Anwendungen wie der Elektronikfertigung.

RobotStudio integriert mit Omniverse die Echtzeit-3D-Simulationsplattform von NVIDIA. Basierend auf Technologien, die ursprünglich von Pixar entwickelt wurden, erweitert Omniverse die Fähigkeiten von RobotStudio durch eine fotorealistische, hochpräzise 3D-Modellierung der Umgebungsbedingungen.

Omniverse nutzt NVIDIAs RTX-basierte Grafik-Rendering-Technologie, um komplexes Lichtverhalten einschließlich Reflexionen, Schatten und Materialeigenschaften zu simulieren. Dadurch können digitale Szenen sehr präzise abbilden, wie industrielle Kameras und Sensoren Objekte unter realen Fabrikbedingungen wahrnehmen.

Die Domain-Randomization-Technologie von Omniverse ermöglicht es dem System, Parameter automatisch zu variieren, um Tausende potenzieller Trainingsszenarien zu erzeugen, die auf wahrscheinlichen Alltagssituationen in realen Produktionsumgebungen basieren. Die daraus entstehenden Daten können anschließend genutzt werden, um Modelle für Physical AI zu trainieren.

RobotStudio HyperReality kann KI-Training direkt in den Simulationsworkflow integrieren. Roboter in der simulierten Umgebung können große Mengen gekennzeichneter Daten aus virtuellen Kameras und Sensoren erzeugen, die anschließend genutzt werden, um weitere Machine-Learning-Modelle für Wahrnehmung und Roboterverhalten zu trainieren.

Da Wahrnehmungseingaben, Umgebungsbedingungen und Roboterbewegungen über den Drei-in-eins-Ansatz von HyperReality gleichzeitig simuliert werden, kann das Training die gesamte Kette von der Wahrnehmung bis zur Aktion abdecken. Visionsmodelle erhalten die Intelligenz, verschiedene Szenarien zu interpretieren, während Robotersteuerungsrichtlinien lernen, auf neue Variablen zu reagieren.

Nach dem Training können diese Modelle durch virtuelle Inbetriebnahmeübungen validiert werden, bei denen vollständige Produktionsaufgaben unter unterschiedlichen Bedingungen simuliert werden. Dieselben Roboterprogramme und dieselbe Steuerlogik, die in der Simulation verwendet werden, lassen sich anschließend direkt auf physische Roboter übertragen. Das verringert das Risiko bei der Inbetriebnahme und reduziert den Engineering-Aufwand erheblich, während zugleich die Einführung und Integration von KI-Workflows beschleunigt wird.

In RobotStudio HyperReality wird eine steuerungsgenaue Robotersimulation nahtlos mit fotorealistischen digitalen Umgebungen und der großskaligen Generierung synthetischer Daten kombiniert. Dadurch wird die Simulation im Grunde zu einer kontinuierlichen Engineering-Plattform.

Produktdesign, Wahrnehmungsmodellierung, KI-Training und Roboterausführung können innerhalb derselben Umgebung entwickelt und validiert werden. Ingenieurinnen und Ingenieure aus unterschiedlichen Disziplinen können früher im Entwicklungszyklus zusammenarbeiten, Variablen testen und Systeme optimieren, lange bevor physische Ausrüstung installiert wird.

Das Ergebnis ist ein Produktionsentwicklungsprozess, der sich von physischen Versuch-und-Irrtum-Methoden hin zur digitalen Validierung verlagert. Hersteller können ganze Produktionslinien virtuell entwerfen und optimieren, wodurch sich die Inbetriebnahmezeiten um bis zu 80 Prozent reduzieren lassen, während die Entwicklungskosten um bis zu 40 Prozent sinken können. Das wiederum beschleunigt die Markteinführung selbst hochkomplexer Produkte.

Indem RobotStudio HyperReality die „Sim-to-Real“-Lücke mithilfe hochpräziser Simulation, steuerungsgenauer Ausführung und KI-gestütztem Training schließt, schafft es die Grundlage dafür, Physical AI zuverlässig im industriellen Maßstab einzusetzen.