Robotik skalieren mit Google Cloud physical AI

Google Cloud physical AI vereint Robotersimulation, Training und Betrieb auf einer Plattform.

Bevor ein Roboter sicher eine Kiste im Lager aufnehmen oder in einer Fabrik arbeiten kann, müssen Engineering-Teams große Mengen synthetischer Daten erzeugen, Vision- und Bewegungsmodelle trainieren und diese auf lokaler Hardware mit Millisekunden-Reaktionszeit ausführen. Tests direkt an physischen Maschinen bergen Risiken für Hardware, Ausfallzeiten und Sicherheit. Google Cloud physical AI bündelt Simulation, Training und Edge-Deployment in einer verwalteten Pipeline. Softprom ist der offizielle Partner von Google.

Was wurde angekündigt

Google Cloud stellte einen durchgängigen physical AI-Stack für Robotik-Entwickler vor, der drei Phasen verbindet: Simulate, Train und Operate. Teams können Tausende virtueller Umgebungen parallel auf G4 VMs mit NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs ausführen, VLA- und World Model Architecture (WMA)-Netzwerke auf AI Hypercomputer mit A3-, A4- und A5-Maschinen trainieren und Modelle vor Ort mit Gemini Robotics ER 2, Gemini Live und Gemma 4 ausrollen.

Warum dies relevant ist

Für CIOs und Engineering-Verantwortliche in Fertigung und Logistik ist das Zusammenfügen separater Werkzeuge für Physiksimulation, Video-Labeling, GPU-Training und Edge Computing langsam und teuer. Eine einheitliche Pipeline verkürzt Iterationszyklen, reduziert Hardware-Risiken und führt reale Sensordaten in das nächste Training zurück. Die Plattform unterstützt hybride und Offline-Ausführung über Google Distributed Cloud, sodass Produktionsroboter mit lokaler Inferenz unter 10 ms auch ohne Netzwerkverbindung weiterarbeiten.

Technische Details

• Simulate: NVIDIA Isaac Sim, NVIDIA Cosmos und MuJoCo Warp auf GKE mit G4 VMs.
• Train: AI Hypercomputer mit A3-, A4-, A5-VMs; Cluster Director mit verwaltetem Slurm; Google Cloud Managed Lustre mit Submillisekunden-Latenz.
• Auto-Labeling: Gemini zusammen mit NVIDIA Cosmos für automatische Bounding Boxes und VLA-Annotationen.
• Operate: Gemini Robotics ER 2 (Preview im Model Garden), Gemini Live mit über 70 Sprachen, Gemma 4 für lokale Inferenz unter 10 ms.
• Rückkopplung: Cloud Storage, Pub/Sub und BigQuery für Flottentelemetrie im Petabyte-Maßstab.

Häufige Fragen

Welche Hardware betreibt die Simulationsphase?

G4 VMs auf Google Kubernetes Engine mit NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs führen NVIDIA Isaac Sim, NVIDIA Cosmos und MuJoCo Warp in parallelen Umgebungen aus.

Wie unterstützt Google Cloud physical AI Offline-Roboter?

Google Distributed Cloud betreibt verwaltete Rechenleistung vor Ort, während die offenen Gemma 4-Modelle Vision, Audio und Tool-Aufrufe lokal in unter 10 Millisekunden ohne Netzwerkverbindung ausführen.

Lassen sich bestehende Trainings-Workflows integrieren?

Ja. Teams können verwaltetes Vertex AI, Cluster Director mit Slurm oder natives GKE nutzen und Multi-Kamera-Datensätze auf Managed Lustre mit Submillisekunden-Latenz speichern.

Softprom und Google

Softprom ist der offizielle Partner von Google. Unser Team unterstützt Engineering- und IT-Verantwortliche beim Aufbau von Robotik- und AI-Infrastruktur-Pipelines auf Google Cloud.

Erstellt von der Softprom-Redaktion auf Basis von Herstellermaterialien (Softprom DistriFlow). Quelle: Originalartikel.