شرکت خدمات ابری آمازون (AWS) ابزار متن‌باز Physical AI Toolchain را معرفی کرده است؛ مجموعه‌ای از معماری‌های مرجع، کدهای زیرساخت و ابزارهای استقرار که فرایند توسعه، آموزش، شبیه‌سازی، ارزیابی و استقرار مدل‌های هوش مصنوعی روی ربات‌ها را ساده‌تر می‌کند.
این مجموعه سرویس‌های AWS را با پشته نرم‌افزاری هوش مصنوعی فیزیکی انویدیا ترکیب می‌کند تا تیم‌ها بتوانند مدل‌های آموزش‌دیده را با اطمینان بیشتری از محیط شبیه‌سازی به دنیای واقعی منتقل کنند.
این ابزار پنج مرحله اصلی را پوشش می‌دهد: تولید داده مصنوعی، آموزش مدل، شبیه‌سازی و اعتبارسنجی، استقرار روی دستگاه‌های لبه‌ای و بهبود مستمر مدل‌ها. در این مسیر، سیج‌میکر آمازون برای آموزش مدل‌ها و ای‌دابلیواس آی‌اوت گریس‌گراس برای توزیع و اجرای آن‌ها روی سخت‌افزار لبه استفاده می‌شود.
از سمت انویدیا نیز فناوری‌هایی مانند آیزاک سیم برای شبیه‌سازی فیزیکی، آیزاک لب برای یادگیری تقویتی، آیزاک جی‌آر۰۰تی برای آموزش مدل‌های بینایی‌ـ‌زبان‌ـ‌عمل و کازموس برای تولید داده مصنوعی در این راهکار حضور دارند.
یکی از اهداف اصلی این پروژه، کاهش مشکل کمبود داده‌های واقعی در حوزه رباتیک است. توسعه‌دهندگان می‌توانند با تولید سناریوهای مصنوعی و آزمایش مدل‌ها در محیط‌های شبیه‌سازی‌شده، عملکرد ربات را پیش از استفاده در محیط واقعی ارزیابی کنند. داده‌های جمع‌آوری‌شده از ربات‌های فعال نیز می‌توانند به فضای ابری بازگردند تا مدل‌ها بر اساس تجربه‌های واقعی بهبود پیدا کنند.
AWS این ابزار را به سخت‌افزار خاصی محدود نکرده است تا شرکت‌ها بتوانند از آن برای انواع ربات‌ها استفاده کنند؛ از سامانه‌های انبارداری و اتوماسیون صنعتی گرفته تا ربات‌های انسان‌نما و ماشین‌آلات خودران. متن‌باز بودن مجموعه نیز به استارتاپ‌ها و شرکت‌های بزرگ اجازه می‌دهد اجزای آن را متناسب با نیازهای خود به کار بگیرند یا تغییر دهند.
یکی از ویژگی‌های مهم این راهکار، ایجاد چرخه‌ای پیوسته میان شبیه‌سازی، آموزش و عملکرد واقعی ربات‌ها است. برای مثال، اگر یک ربات صنعتی هنگام جابه‌جایی قطعات با شرایطی مواجه شود که در شبیه‌سازی پیش‌بینی نشده بود، داده‌های حاصل از این تجربه می‌توانند برای طراحی سناریوهای آزمایشی جدید و آموزش مجدد مدل استفاده شوند.
به این ترتیب، توسعه‌دهندگان می‌توانند به‌جای طراحی مجدد کل سامانه، بخش‌های مشخصی از فرایند را اصلاح و دوباره ارزیابی کنند.
بااین‌حال، انتقال موفق مدل از شبیه‌سازی به دنیای واقعی همچنان یکی از چالش‌های اصلی رباتیک است. تفاوت شرایط محیطی، اصطکاک، نورپردازی، دقت حسگرها و رفتار غیرقابل‌پیش‌بینی اجسام می‌تواند باعث شود مدلی که در محیط مجازی عملکرد مناسبی دارد، در دنیای واقعی با مشکل روبه‌رو شود. بنابراین، استفاده از داده‌های واقعی، آزمون‌های ایمنی و نظارت مستمر همچنان ضروری خواهد بود.
معرفی Physical AI Toolchain بخشی از تلاش AWS و انویدیا برای گسترش کاربرد هوش مصنوعی در محیط‌های فیزیکی است. این همکاری می‌تواند زیرساخت لازم برای توسعه ربات‌های سازگارتر و خودکارتر را در اختیار شرکت‌ها قرار دهد؛ هرچند میزان کاهش هزینه‌ها و سرعت توسعه به نوع کاربرد، سخت‌افزار و پیچیدگی وظایف هر ربات بستگی خواهد داشت.
