L’industrie 4.0 est en marche et l’intelligence artificielle en temps réel est en train de devenir un élément clé de l’automatisation industrielle.
Lors de la conférence GTC 2024, Jensen Huang, PDG de NVIDIA, a présenté comment l’IA en temps réel est en train de transformer la fabrication, la logistique d’usine et la robotique.
Une approche basée sur la simulation
Dans les secteurs de la fabrication, de la logistique d’usine et de la robotique, les processus impliquent souvent des objets volumineux, des équipements coûteuxet des installations logistiquement complexes. Pour améliorer l’efficacité de ces processus, NVIDIA a développé une approche basée sur la simulation qui permet aux développeurs de créer, tester et affiner leur IA en temps réel et à grande échelle dans un environnement virtuel avant de la déployer dans les infrastructures industrielles. Cette approche permet de réduire les coûts et les temps de développement tout en améliorant la sécurité et la fiabilité des processus.
Des « salles de sport IA »
Pour aider les robots et les humains à naviguer dans des situations imprévisibles ou complexes, NVIDIA a développé des « salles de sport AI » où les développeurs peuvent former des agents d’IA performants. Ces salles de sport utilisent les plateformes Omniverse, Metropolis, Isaac et cuOpt de NVIDIA pour créer des environnements virtuels où les agents d’IA peuvent apprendre à interagir avec leur environnement. Les développeurs peuvent ainsi former des agents d’IA capables de répondre aux défis spécifiques de leur secteur d’activité.
Un entrepôt de 9000 m² géré par une IA
Pour illustrer les capacités de l’IA en temps réel dans l’automatisation industrielle, NVIDIA a présenté une démonstration impressionnante d’un entrepôt de 9000 mètres carrés géré entièrement par une IA en temps réel. Le jumeau numérique (une représentation virtuelle) de l’entrepôt a été créé à l’aide d’Omniverse et a servi d’environnement de simulation pour tester et affiner l’IA. Des dizaines de travailleurs numériques, des robots mobiles autonomes (AMR) équipés de la pile multi-capteurs NVIDIA Isaac, des agents d’IA de vision et des capteurs ont été utilisés pour simuler les opérations de l’entrepôt.
Grâce à Metropolis, une carte d’occupation centralisée (centralised occupancy map) a été créée en fusionnant les données de 100 flux de caméras simulés. Cette carte a permis de calculer les itinéraires optimaux des AMR grâce à l’IA d’optimisation de routage complexe de cuOpt. Tout cela s’est produit en temps réel tandis qu’Isaac Mission Control coordonnait la flotte d’AMR en utilisant les données de cartographie et de routage de cuOpt. Lorsqu’un incident a bloqué le chemin d’un AMR, Metropolis a mis à jour la grille d’occupation, cuOpt a planifié un nouvel itinéraire optimal et l’AMR a répondu en conséquence pour minimiser les temps d’arrêt.
Enfin, NVIDIA a présenté comment les développeurs peuvent utiliser les modèles de vision de Metropolis pour construire des agents d’IA capables d’extraire des informations exploitables à partir de vidéos. Ces agents d’IA visuelle peuvent aider les opérations à répondre à des questions telles que « Qu’est-ce qui s’est passé dans l’allée trois ? » avec des informations provenant de l’analyse vidéo. Les industries peuvent ainsi extraire des informations précieuses à partir de leurs données vidéo en utilisant un langage naturel.
