Ano ang Pisikal na AI?
Inilalarawan ng Pisikal na AI ang mga sistema ng AI na nakikita at nakikipag-ugnayan sa pisikal na mundo. Nagbibigay ang isang camera ng mga obserbasyon, binibigyang kahulugan ng software ang mga ito, at ang resulta ay nagpapaalam sa isang tao o isang aksyon sa isang makina. NVIDIA's Pangkalahatang-ideya ng pisikal na AI inilalarawan ang kaugnayang ito sa pagitan ng pang-unawa, pangangatwiran at pagkilos sa totoong mundo. Ang isang pang-industriya na aplikasyon ay hindi kailangang maging katulad ng isang humanoid robot: ang isang nakapirming istasyon ng inspeksyon na may kontroladong mekanismo ng pagtanggi ay maaaring magkaroon ng isang mas makitid, mahalagang layunin.
Inilalarawan ng Physical AI, edge AI at robotics AI ang iba't ibang aspeto ng isang system. Pisikal na AI inilalarawan ang kaugnayan nito sa kapaligiran. Edge AI naglalarawan kung saan nangyayari ang pagkalkula, malapit sa pinagmulan ng data. Robotics AI inilalapat ang katalinuhan sa persepsyon, desisyon o paggalaw ng robot. Madalas silang nagsasapawan, ngunit ang isang gateway ng sensor ay maaaring maging kapaki-pakinabang nang walang AI, at ang isang kumbensyonal na control loop ay maaaring maging tamang sagot sa isang predictable na gawain.
Para sa isang mamimili, ang kapaki-pakinabang na tanong ay tiyak: aling desisyon sa pagpapatakbo ang mahirap ngayon, anong ebidensya ang makakapagpabuti nito, at paano susukatin ang pagpapabuti? Magsimula doon bago pumili ng processor, camera o modelo.
Mga aplikasyon ng pisikal na AI sa mga industriya
Ang sumusunod na labindalawang lugar ng aplikasyon ay sumasaklaw sa mga sektor na ipinakita sa Alvexis site at pinalawak ang talakayan sa mga sistema ng medisina, transportasyon, retail at kapaligiran. Ang mga ito ay mga pagkakataon sa pag-develop at mga halimbawang pilot scope, hindi mga claim ng mga nakumpletong deployment ng customer. Pumili ng sektor upang tumalon sa mga tanong nito sa engineering.
Suriin ang proseso habang ito ay nangyayari.
Maaaring suriin ng istasyon ng camera ang assembly, surface appearance o part presence at magpasa ng desisyon sa isang PLC. Maaaring suportahan ng mga sukat ng motor ang pag-triage ng pagpapanatili. Kasama sa produkto ang pag-iilaw, mga fixture, timing, mga interface at isang workflow ng operator pati na rin ang isang modelo.
Tukuyin ang piloto: Aling mga uri ng depekto ang binibilang? Ilang maling pagtanggi ang kayang tiisin ng linya? Sukatin ang mga napalampas na depekto at maling pagtanggi ayon sa variant ng produkto, kasama ang cycle time.
I-explore ang mga factory application →Magbigay ng kapaki-pakinabang na konteksto ng paggalaw.
Maaaring pagsamahin ng mga ground robot at handling system ang mga camera, range sensor at motion feedback para mag-navigate, maghanap ng load, o mag-inspeksyon ng item. Dapat kumonekta ang intelligence sa control architecture ng robot at pag-uugali sa pagbawi.
Tukuyin ang piloto: Bound ang operating area, payloads at pinapayagang gawain. Sukatin ang mga natapos na misyon, mga interbensyon ng operator at oras ng pagbawi sa ilalim ng kinatawan ng trapiko.
Basahin ang gabay sa Robotics AI →Ikonekta ang mga obserbasyon sa field sa isang lumalagong desisyon.
Ang mga node ng lupa at klima, lokal na pagpoproseso ng imahe at mga interface ng irigasyon ay maaaring suportahan ang isang tinukoy na daloy ng trabaho sa pag-crop. Ang pag-install, pagpapalit ng sikat ng araw, dumi, pagkakaroon ng kuryente at mga komunikasyon ay humuhubog sa electronics gaya ng ginagawa ng hinuha.
Tukuyin ang piloto: Pumili ng isang crop, kapaligiran at desisyon. Ihambing ang mga obserbasyon laban sa isang napagkasunduang sanggunian sa mga nauugnay na kundisyon, kabilang ang fouling ng sensor at pagkawala ng network.
Galugarin ang crop at greenhouse application →Pagmasdan ang mga hayop at ang kanilang kapaligiran.
Ang mga nakakonektang camera at environmental sensor ay maaaring makatulong sa staff na suriin ang aktibidad, kundisyon ng barn, at mga pagbabagong nararapat pansinin. Ang occlusion, paggalaw ng hayop, pag-iilaw at paglalagay ng sensor ay tumutukoy kung ano ang maaasahang maobserbahan.
Tukuyin ang piloto: Pumili ng isang nakikitang pag-uugali at isang tugon ng kawani. Subaybayan ang mga napalampas na obserbasyon at istorbo na alerto sa iba't ibang kundisyon ng kamalig. Ang mga konklusyon ng beterinaryo ay nangangailangan ng kanilang sariling ebidensya at propesyonal na pagtatasa.
Galugarin ang mga aplikasyon ng hayop →Gawing ebidensya sa pagpapanatili ang mga sukat ng kagamitan.
Maaaring kolektahin ng mga Edge device ang impormasyon ng vibration, temperatura at operating-state mula sa mga motor, pump o renewable-energy equipment. Ang isang kapaki-pakinabang na resulta ay nag-uugnay ng pagbabago sa mga sukat sa isang nasusuri na kaganapan at isang kasalukuyang proseso ng pagpapanatili.
Tukuyin ang piloto: Magtatag ng baseline para sa bawat operating regime. Suriin ang pag-uulit ng alerto, pagkakaroon ng data at pagganap sa panahon ng pagsisimula, mga pagbabago sa pag-load at pagkagambala sa kuryente.
Galugarin ang mga aplikasyon ng enerhiya →Gawing mas madaling maunawaan ang lokal na imprastraktura.
Maaaring suportahan ng mga environmental node, pagsubaybay sa kagamitan at pinagsama-samang traffic-flow analytics ang mga serbisyo ng lungsod. Ang isang lokal na disenyo ng pagpoproseso ay maaaring makagawa ng mga bilang o mga kaganapan sa halip na magpadala ng tuluy-tuloy na raw stream, kung saan pinahihintulutan ng aplikasyon.
Tukuyin ang piloto: Tukuyin ang may-ari ng desisyon, lugar ng pagmamasid at napanatili na impormasyon. Suriin ang katumpakan sa lagay ng panahon at pag-iilaw, kasama ang uptime ng sensor at access sa pagpapanatili.
Galugarin ang mga application ng Smart Cities →Bumuo sa paligid ng mahirap na mga kondisyon ng pag-install.
Ang machine-mounted sensing at masungit na gateway ay maaaring magbigay ng data ng kundisyon ng kagamitan, mga talaan ng lokal na kaganapan at telemetry sa lugar ng trabaho. Ang alikabok, panginginig ng boses, pagpapanatili ng connector at lumilipas na kapangyarihan ay kailangang maging bahagi ng mga kinakailangan ng produkto.
Tukuyin ang piloto: Pumili ng makina at isang masusukat na kondisyon. I-verify ang attachment ng sensor, pagbawi ng kuryente at pagpapatuloy ng data sa nilalayong pag-install bago suriin ang isang fleet.
Galugarin ang mga application sa worksite →Panatilihing maaasahan ang sensing at komunikasyon sa larangan.
Kabilang sa mga potensyal na aplikasyon ang pagsubaybay sa kundisyon ng sasakyan, mga diagnostic sa pagpapanatili, naka-synchronize na pag-record ng sensor at telemetry ng kagamitan. Dapat piliin ang computing, enclosure at mga interface laban sa mga kinakailangan sa kapaligiran at pagsasama ng programa.
Tukuyin ang piloto: Sumang-ayon sa temperatura, kapangyarihan at mga kondisyon ng komunikasyon. Sukatin ang pagkakahanay ng timestamp, i-restart ang gawi at ang ebidensyang pinananatili kapag hindi available ang pagkakakonekta.
Galugarin ang field-system engineering →Ikonekta ang pisikal na sensing sa isang tinukoy na pangangalaga o daloy ng trabaho sa laboratoryo.
Kasama sa mga lugar ng aplikasyon ang paghawak sa laboratoryo, pagsubaybay sa kagamitan, pagsukat sa rehabilitasyon at mga prototype ng medical sensing. Ang suporta sa klinikal na desisyon at robotic sa pakikipag-ugnay sa pasyente ay nangangailangan ng ibang programa ng ebidensya mula sa isang cart ng paghahatid ng ospital.
Tukuyin ang piloto: Sabihin ang nilalayong gumagamit, populasyon ng pasyente kung may kaugnayan, input, output at kung sino ang kumikilos dito. Makipagtulungan sa mga espesyalista sa klinikal at regulasyon bago magtalaga ng mga claim sa diagnostic o paggamot.
Basahin ang healthcare engineering guide →Obserbahan ang mga kondisyon ng sasakyan at fleet sa lokal.
Ang mga kagamitan sa riles, kalsada at dagat ay maaaring lumikha ng mga mahirap na problema sa sensing at pag-log. Kasama sa mga proyekto ng kandidato ang pagsubaybay sa kondisyon ng subsystem, pagmamasid sa paglo-load at mga gateway ng onboard na data. Nakakaimpluwensya sa arkitektura ang mga gaps sa pagkakakonekta at mga electrical interface.
Tukuyin ang piloto: Tukuyin ang platform, posisyon ng pag-install at daloy ng trabaho ng operator. Sukatin ang kapaki-pakinabang na pagkuha ng kaganapan, pag-synchronize at pagbawi; patunayan ang anumang function ng kontrol sa loob ng sariling proseso ng pagtiyak ng programa ng sasakyan.
Galugarin ang mga pagpipilian sa interface at gateway →Tulungan ang mga kawani na tumugon sa pisikal na kalagayan ng isang site.
Ang pagmamasid sa istante, pagsubaybay sa kagamitan sa malamig na imbakan at pagsasama ng serbisyo-robot ay posibleng mga panimulang punto. Ang resulta ay dapat na isang malinaw na aksyon para sa isang miyembro ng kawani, sa halip na isa pang feed na kailangang panoorin ng isang tao.
Tukuyin ang piloto: Pumili ng isang kaganapan at isang may-ari ng pagpapatakbo. Sukatin ang mga kapaki-pakinabang na alerto, maling alerto at oras ng pagtugon. Gumamit ng pinagsama-sama o hindi nagpapakilalang mga output kung saan natutugunan ng mga ito ang kinakailangan.
Talakayin ang isang produkto ng pagpapatakbo ng serbisyo →Ikonekta ang mga ipinamahagi na asset sa isang naaaksyunan na view.
Ang mga serbisyo ng gusali, mga network ng tubig at mga istasyon ng kapaligiran ay maaaring pagsamahin ang lokal na sensing, kagamitan-estado na hinuha at mga komunikasyon. Ang pag-access sa pagkakalibrate, mga badyet ng kuryente at kakayahang mapanatili ay kadalasang nagpapasya kung ang isang piloto ay maaaring maging isang mahabang buhay na pag-install.
Tukuyin ang piloto: Tukuyin ang kalidad ng pagsukat, saklaw ng pagpapatakbo at mga pagitan ng serbisyo. Test drift, nawawalang data at pagbawi ng mga komunikasyon pati na rin ang nilalayong analytics.
Galugarin ang mga komunikasyon sa larangan →Ang karaniwang arkitektura sa likod ng iba't ibang sektor
Ang application ay nagbabago, ngunit ang produkto ay nangangailangan pa rin ng isang acquisition path, computation, mga pisikal na interface at isang tinukoy na tugon sa mga pagkakamali. Iwasang ituring ang modelo ng AI bilang kumpletong sistema. Ang isang huli o maling obserbasyon ay maaaring gumawa ng tamang hula na hindi magagamit sa interface ng makina.
| Layer | Desisyon na gagawin | Katibayan upang mangolekta |
|---|---|---|
| Sensing | Field of view, bandwidth, mounting at calibration | Kinakatawan na data, kalidad ng signal at blind spot |
| Compute | Mga gawain sa CPU, suportadong AI acceleration, memory at thermal budget | Sustained workload measurements sa target na hardware |
| Pagsasama | PLC, machine bus, network o interface ng operator | Timing, pagkawala ng mensahe, invalid-input at restart na gawi |
| Disenyong mekanikal | Enclosure, pagpapalamig, pag-access sa serbisyo at mga konektor | Pag-install at pagpapatunay sa kapaligiran |
| Operasyon | Sino ang maaaring kumilos, mag-override, mag-update at makabawi | Mga tala ng kaganapan, kakayahang masubaybayan ng bersyon at mga resulta ng pagtanggap |
Ang isang handa na platform ay maaaring gawing mas madali ang unang eksperimento. Nagiging kapaki-pakinabang ang mga custom na electronics kapag binibigyang-katwiran ng mga interface, dimensyon, kapangyarihan, gastos o kapaligiran ang isang nakatuong disenyo. Ang aming SoM kumpara sa SBC gabay nagpapaliwanag ng desisyong iyon; ang gabay sa carrier-board inilalarawan ang saklaw ng engineering na sumusunod.
Kung saan magkasya ang digital twins at simulation
Ang isang digital na representasyon ay kapaki-pakinabang kapag sinasagot nito ang isang masusubok na tanong: maaari bang maabot ng isang robot ang isang lokasyon, sakop ba ng sensor ang kinakailangang lugar, o paano tumutugon ang isang proseso sa isang binagong input? Panatilihing nakikita ang mga pagpapalagay ng modelo. Ang isang pinakintab na visualization at isang predictive na modelo ay magkaibang mga maihahatid.
Ang simulation ay maaaring gawing paulit-ulit ang mga eksperimento at makatulong na ilantad ang mga kaso ng pagkabigo bago ang isang pisikal na piloto. Hindi ito makapagtatag ng pagganap sa ilalim ng bawat tunay na materyal, kondisyon ng pag-iilaw o pagpapaubaya sa makina. Ihambing ang mga output ng modelo laban sa mga sukat, itala ang hindi pagkakatugma at tukuyin kung saan mapagkakatiwalaan ang modelo. NVIDIA's halimbawa ng sim-to-real learning naglalarawan ng workflow na lumilipat mula sa simulation patungo sa isang pisikal na robot; ito ay isang reference na daloy ng trabaho, hindi ebidensya para sa isang Alvexis deployment.
Magsimula sa isang desisyon at isang masusukat na piloto
- Ilarawan ang problema sa pagpapatakbo. Tukuyin ang kasalukuyang daloy ng trabaho, halaga ng mga error at taong responsable para sa output.
- Kolektahin ang mga obserbasyon ng kinatawan. Isama ang ordinaryong operasyon, pagkakaiba-iba at mahirap na mga kaso; sumang-ayon sa kung ano ang binibilang bilang ground truth.
- Tukuyin ang tugon. Magpasya kung ang system ay nagtatala, nag-aalerto, nagrerekomenda o nagkokontrol. Tukuyin kung kailan ito dapat ipagpaliban sa isang tao.
- Subukan ang buong landas. Sukatin ang pagganap ng kapaki-pakinabang na gawain, edad ng output, napapanatiling paggamit ng mapagkukunan at pagbawi mula sa mga pagkakamali.
- Magtakda ng hangganan ng paglabas. Sumang-ayon sa katibayan ng pagtanggap, mga kondisyon sa pag-deploy, mga responsibilidad sa pagpapanatili at pag-update.
Magsimula sa mode ng pagmamasid kapag praktikal: ihambing ang iminungkahing output laban sa kasalukuyang daloy ng trabaho bago payagan itong baguhin ang daloy ng trabaho na iyon. Ang isang promising prototype ay dapat makakuha ng susunod na antas ng responsibilidad sa pamamagitan ng ebidensya.
Paano makakatulong ang Alvexis sa pagbuo ng pisikal na produkto
Bumubuo ang Alvexis ng mga custom na electronics, naka-embed na software at mga mekanikal na disenyo sa paligid ng mga kinakailangan sa application. Ang isang proyekto ay maaaring magsimula sa ForgeEdge-Core, galugarin ForgeEdge para sa pinagsamang edge computing o gumamit ng nakalaang carrier at enclosure kapag hinihingi ito ng pag-install. Ang pagpili ng platform ay sumusunod sa workload at plano sa pagsasama.
Maaaring paikliin ng mga reusable engineering platform at parallel development ang ruta sa isang gumaganang prototype. Ang aktwal na iskedyul ay nakasalalay sa pag-access ng sensor, data ng aplikasyon, mga pagbabago sa board, mekanikal na tool at mga kinakailangan sa pagtanggap. Tukuyin ang mga dependency na iyon sa simula sa halip na mangako ng isang oras ng paghahatid para sa bawat sektor.
Mula sa Industrial IoT data hanggang sa isang kapaki-pakinabang na digital twin
Ang Industrial IoT ay nag-uugnay sa mga obserbasyon mula sa kagamitan; iniuugnay ng digital twin ang mga obserbasyon na iyon sa isang modelo ng isang pisikal na asset o proseso. Ang pisikal na AI ay maaaring magdagdag ng pang-unawa at mga desisyon sa makina. Ang mga tungkuling ito ay magkakapatong sa isang proyekto, ngunit ang pagkolekta ng telemetry ay hindi awtomatikong lumilikha ng isang predictive na modelo o isang napatunayang control system.
Para sa isang production machine, pagsamahin ang mga timestamp, estado ng pagpapatakbo at kasaysayan ng pagpapanatili bago suriin ang isang modelo ng AI. Ang isang thermal imaging stream, mga feature ng vibration o resulta ng computer vision ay dapat sumagot sa isang partikular na tanong sa pagpapatakbo. Tukuyin kung paano ina-update ang modelo, kung paano ipinapakita ang lipas na data at kung paano ibe-verify ng operator ang resultang rekomendasyon. Ang isang praktikal na piloto ay nagsisimula sa isang asset at isang masusukat na desisyon.
Saklaw ng piloto ng pagsubaybay sa makina
Mga teknikal na sanggunian
- NVIDIA: Pisikal na mga konsepto ng AI
- NVIDIA: isang sim-to-real robot learning workflow
- FDA, Health Canada at MHRA: transparency para sa ML-enabled na mga medikal na device
Ang mga halimbawa ng sektor ay mga posibilidad sa engineering. Ang pagganap, pagiging angkop at anumang naaangkop na pag-apruba ay dapat na maitatag para sa partikular na produkto at paggamit.
Ilarawan ang problema. Buuin ang tamang sistema.
Sabihin sa amin ang sektor, gawain, kapaligiran, mga sensor at resulta na kailangan mo. Maaari nating talakayin ang electronics, software, enclosure at unang hakbang sa pagpapatunay.
Talakayin ang Iyong Pisikal na AI ProjectMagpatuloy sa Robotics AI →