Díky fyzické AI společnosti NVIDIA zkracují Toyota Material Handling Europe a SoftServe dobu potřebnou k zavedení autonomních řešení na polovinu

Budování principů předběžných simulací pro systémy autonomní manipulace s materiálem  
 
Trojice firem společně vytváří nové prostředí, které při vývoji a testování autonomních vysokozdvižných vozíků klade důraz na využití digitálních dvojčat a primární testování v simulacích. Celý systém staví na otevřené platformě pro fyzickou umělou inteligenci od společnosti NVIDIA, jež propojuje samotný inženýrský vývoj, simulace a digitální dvojčata s reálnými logistickými procesy. Tato spolupráce spojuje renomé společnosti Toyota Material Handling v oblasti kvality a štíhlého myšlení, knihovny NVIDIA Omniverse. Otevřené simulační prostředí pro robotiku NVIDIA Isaac Sim a inženýrské know-how společnosti SoftServe. Výsledkem je možnost detailně otestovat chování autonomních vozidel ve fyzikálně věrné simulaci v reálném čase ještě předtím, než se zařízení vůbec dostane k zákazníkovi. 

“Díky virtuálnímu uvádění do provozu a technologii digitálních dvojčat můžeme garantovat kvalitu a současně eliminovat muda, neboli plýtvání, ještě před samotným nasazením u zákazníka,“ uvedl Johan Rosén, senior viceprezident pro výzkum a vývoj ve společnosti Toyota Material Handling Europe. „Tím, že případné problémy odhalíme a vyřešíme hned v zárodku, snižujeme náročnost implementace, zrychlujeme návratnost pro zákazníka a dodáváme automatizační řešení, na která se lze stoprocentně spolehnout“ 
 
Toyota Material Handling Europe začlenila knihovny NVIDIA Omniverse a systém NVIDIA Isaac Sim přímo do svých vývojových procesů, což jí umožňuje navrhovat autonomní řešení přesně na míru specifickým podmínkám jednotlivých zákazníků. Přístup, kdy reálnému nasazení předchází simulace (metoda „simulation-first“), umožňuje Toyotě všechna řešení optimalizovat a důkladně otestovat ještě před jejich fyzickým zavedením. Společnost SoftServe, která je od roku 2022 partnerem úrovně NVIDIA Elite a od roku 2026 i NVIDIA Advanced Technology Partner, pro tento projekt vytvořila kompletní prostředí digitálního dvojčete. V SoftServe transformovali technologický základ NVIDIA pro fyzickou umělou inteligenci do simulačního prostředí, které Toyota Material Handling reálně využívá v praxi, aby dosáhla stavu „zero muda“ – tedy stavu, kdy u zákazníka nedochází k absolutně žádnému plýtvání časem ani zdroji. 
 

„Přístup zero muda (nulové plýtvání) nastavuje jasný standard: plýtvání je potřeba odstranit ještě dříve, než k němu dojde, nikoli ho řešit až zpětně,“ prohlásila Olha Moroz, výkonná viceprezidentka a šéfka pro region EMEA ve společnosti SoftServe. „Jsme hrdí na to, že k dosažení tohoto cíle přispíváme. Díky platformě NVIDIA Omniverse a našim simulačním nástrojům vyvinutým speciálně pro zákazníky Toyota Material Handling Europe dokážeme ve světě digitálních dvojčat identifikovat potenciální potíže s velkým předstihem – mnohem dříve, než by mohly ovlivnit skutečné vysokozdvižné vozíky v reálném provozu na straně zákazníka.“ 

 
Technologie NVIDIA pro fyzickou umělou inteligenci pomáhají zvýšit bezpečnost a provozní výkon 
 
Integrace knihoven Omniverse umožní společnosti Toyota Material Handling vytvořit digitální dvojčata pro simulaci dispozičního uspořádání továren a ověření navigace autonomních vozíků, bezpečnostní logiky, chování vozidel a specifických mezních situací u zákazníků. Díky této integraci mohou autonomní vozidla bezpečně operovat ve smíšených skladových provozech spolu s lidmi a manuálně řízenými vysokozdvižnými vozíky. 
 

Spolupráce na poli AI proniká také do produkčního prostředí. Příkladem může být vizuální umělá inteligence poháněná technologiemi NVIDIA a AI agenti, kteří zajišťují kontrolu kvality, prediktivní údržbu, optimalizaci procesů a správu energií. Pro účely trénování kamerového modulu na detekci palet byla například pomocí knihoven Omniverse vygenerována syntetická data, která byla následně doplněna modely otevřeného světa NVIDIA Cosmos. Výsledkem je o více než 70% úspěšnější detekce objektů (recall) při testování na reálných datech ze skutečných skladů. 
 
Tato iniciativa si klade za cíl zkrátit dobu uvedení na trh až o 40 % a snížit úsilí spojené se zprovozněním systémů až o 50 %. Pro zákazníky to znamená rychlejší zhodnocení investic do autonomní manipulace s materiálem, především díky menšímu narušení běžného chodu podniku během implementace, dokonalému odladění ještě před fyzickým nasazením a kratší cestě od počátečního návrhu k finálnímu spuštění. K dalším přínosům patří vyšší produktivita technologického vývoje, větší flexibilita výroby a vyšší kvalita produktů. Větší zapojení umělé inteligence do manipulace s materiálem pomáhá také snižovat celkové provozní náklady.
 
„Naším cílem je zero muda: to znamená odstranit plýtvání, které v procesech manipulace s materiálem brzdí produktivitu,“ uvedl Ernesto Dominguez, prezident a generální ředitel společnosti Toyota Material Handling Europe. „Díky propojení našeho štíhlého myšlení a odborných znalostí v oblasti automatizace s platformou NVIDIA pro fyzickou umělou inteligenci a inženýrskými kapacitami SoftServe dokážeme urychlit inovace a zvýšit kvalitu našich řešení, které zákazníkům usnadní cestu k zero muda v jejich automatizovaných i autonomních provozech.“ 

O společnosti SoftServe

SoftServe je globální společnost poskytující služby v oblasti umělé inteligence a technologií, se specializací na autonomní podniky. Společnost disponuje rozsáhlými zkušenostmi v oblasti AI-nativních aplikací, agentní AI, cloudových řešení a datových služeb. 
 
Věříme, že technologie jsou víc než jen pracovní nástroj a že mohou zlepšit každý aspekt našeho života. Detailním chápáním komplexních témat se snažíme naplno odemknout jejich potenciál. Spojení kreativního myšlení, hlubokých odborných znalostí a precizního inženýrství nám umožňuje navrhovat a vyvíjet inovativní řešení pro budoucnost. Od prvotní strategie po samotnou realizaci přetváříme technologie v hnací sílu trvalého rozvoje. Pro více informací navštivte webové stránky, blog, and LinkedIn profil společnosti SoftServe.