此创新方案整合Amazon自研生产线模拟软体与NVIDIA驱动的数位孪生平台,采用模组化、AI驱动的工作流程。相较传统检测设备,新技术可更快速、精准完成产品检查,同时简化制造流程,缩短新产品上市周期,减少昂贵的物理原型设计。Amazon表示,透过模拟产生的工厂情境合成资料,可让AI模型在虚拟与实际工作站中表现一致,确保机器作业在零样本下仍能保持稳定与准确。

技术细节上,当Amazon准备推出新装置,会先将CAD模型导入NVIDIA Isaac Sim,一款基于Omniverse的机器人模拟应用。系统会生成超过5万张合成影像,用于训练瑕疵侦测与物体识别模型,再搭配Isaac ROS规划机械手臂轨迹,完成组装、测试到包装等全流程。AWS也透过EC2G6执行个体进行大规模分散式训练与模拟,加速模型优化与数据生成。

此外,AmazonBedrock在生产线任务规划中扮演关键角色。该服务能根据产品规格文件,规划工厂任务与检测案例,并透过AgentCore支援多工厂站点的自主规划。针对机器人运动规划,方案导入NVIDIAcuMotion及nvblox,让机械手臂能快速生成避障路径,并利用Jetson AGX Orin模组在极短时间内完成运算,提升现场反应能力。

另一亮点是NVIDIA Foundation Pose基础模型。这项以500万张合成影像训练的姿态估测技术,能让机器人无需事先搜集新资料,即可在未见过的新物件间切换,确保Amazon Devices & Services的产线具备即时转换能力。未来,该方案还能扩充至整合NVIDIA Cosmos Reason等进阶推理模型,进一步加强瑕疵检测与流程优化。

Amazon与NVIDIA的合作加速数位孪生与AI制造的落地,也象征制造业从依赖硬体走向「以软体定义产线」的新阶段。这种以合成资料驱动的零接触制造,未来有望推广至更多产业,从消费性电子到汽车、医疗设备,皆可能受惠。对制造商而言,这代表在成本、速度与弹性上都将迎来质的飞跃,进一步推动全球智慧制造的新时代。


點擊閱讀下一則新聞 點擊閱讀下一則新聞
受惠Edge AI商机!晶瑞光NBPF与NBG滤光片带动前7月营收年增35%