機器人終於能出一份力了。
過去幾年來，開發人員不斷致力縮小機器人抓握能力的落差，以期能在價值數十億美元的產業中加以應用。安全抓握並移動輸送帶上快速移動的物品，能為企業帶來無限商機。
位於美國麻州 Bedford 的 Soft Robotics 新創公司，用 NVIDIA Isaac Sim 改善幾項機器人抓握應用程式，縮短模擬與現實的落差，其中一項便是改善食品包裝的揀貨與放置抓取流程。
食品包裝和加工公司採用這家新創公司的 mGripAI 系統，結合輕柔抓取與 3D 視覺和人工智慧，能在不造成損害的前提下，抓取肉品、農產品和烘焙商品等精緻食品。
Soft Robotics 軟體工程資深總監 David Weatherwax 表示：「我們販售揀貨解決方案的手、眼和大腦。」
Soft Robotics 指出，跟其他採用機器人技術的產業不同，價值 8 兆美元的食品市場在開發用於非結構化環境中處理可變物品的機器人方面進展緩慢。
這家成立於 2013 年的公司最近獲得來自 Tyson Ventures、Marel 和 Johnsonville Ventures 的 2,600 萬美元 C 系列資金
Tyson Foods 和 Johnsonville 等公司期待早日應用機器人自動化技術，以提升廠區的安全程度並增加產量。這兩家公司都採用 Soft Robotics 的技術。
Soft Robotics 是 NVIDIA Inception 計畫的成員，該計畫為公司提供 GPU 支援和人工智慧平台指引。
透過合成資料改善抓握力
Soft Robotics 為每項抓握應用程式開發獨一的模型，每個模型都需要特定資料集，而從濕濕滑滑的成堆雞肉和其他食品中揀取特定目標，實在是艱難的挑戰。
利用 Omniverse 和 Isaac Sim，該公司打造出不同背景下 (例如輸送帶或桶子) 各雞肉部位的 3D 渲染，並加上不同的光線情境。
該公司利用 Isaac Replicator 開發合成資料，為每個模型產生成千上萬個影像，並分送至雲端上一系列的執行個體中。Isaac Replicator 是一組運用 Isaac Sim 產生合成資料的工具、API 和工作流程。
公司也使用姿勢預測模型，輔助抓握系統判斷適合揀取的角度。
現場的 NVIDIA A100 GPU，能讓 Soft Robotics 針對這些食品加工設施每個應用程式使用獨特的模型執行瞬間推論。同時，Isaac Sim 中的模擬和訓練也能讓 NVIDIA A100 擴充工作負載。
「我們目前的設置完全是合成的，因此能迅速部署新的應用程式。所有系統一律使用 Omniverse 和 Isaac Sim，到目前為止成效相當顯著。」Weatherwax 說道。
解決遮蔽物和光線問題
Soft Robotics 面臨的一大挑戰，在於掌握雞肉倒成一堆時肉塊堆疊與重疊的情形，如此才能解決遮蔽物問題。「重疊的情況有時很複雜。」他說。
潮濕肉塊上的反光容易使偵測模型失準。「光線很重要，因此採用 NVIDIA RTX 的光線追蹤非常關鍵。」
但真正的困難之處在於進行 3D 建模並瞬間找出成堆目標中遮擋最少的品項，然後最方便機器手臂揀取並擺放。
Omniverse 能以合乎物理現象的準確計算建立合成資料集，幫助 Soft Robotics 打造所需的環境。「我們面臨的一大挑戰，在於解析這些形狀不一的物品彼此堆疊的方式。」
提升產線揀貨準確度
食品加工廠的產線移動速度飛快，但部署有應用程式特定模型的機器人保證能每分鐘揀貨 100 次。
雖然仍在開發過程中，但這類工作要成功，必須透過訓練資料集判斷物品掉落成堆的各種可能方式，能對成堆目標作出準確表現。
最終目標是讓機器人能在複雜的動態環境中，獲得最好的揀貨目標。如果食品從輸送帶上掉落，或受到足以被視為耗損品的傷害，產量就會受到衝擊。
推動產量提升
肉品包裝公司仰賴產線人員處理雞肉，但正如其他多數產業，他們同樣面臨員工短缺的問題。Weatherwax 表示，有些新建食品加工廠的企業，甚至無法在開工時找齊足夠的員工。
「他們在人事方面遇到許多挑戰，因此確實有自動化的必要。」他表示。
食品加工公司適用的 Omniverse 工作系統已締造 10 倍以上的加速模擬能力，將人工智慧揀貨系統的部署時間從幾個月縮短到幾天。
如今許多產業都面臨員工短缺問題，尤其是員工受傷和健康風險日益加深的產業，而 Soft Robotics 的客戶則不僅能部署自動化雞肉揀貨產線，還能確保他們不受缺工影響。
「處理生雞肉的工作，還是交給機器人負責比較好。」Weatherwax 如是說。
下載 Isaac Sim 以使用 Replicator 功能。