Jak skalować robotykę: Google Cloud physical AI

Google Cloud physical AI łączy symulację, trenowanie i eksploatację robotów na jednej platformie.

Zanim robot bezpiecznie podniesie pudełko w magazynie lub będzie pracował na hali fabrycznej, zespoły inżynierskie muszą wygenerować duże zbiory danych syntetycznych, trenować modele wizji i ruchu oraz uruchamiać je na sprzęcie lokalnym z czasem reakcji liczonym w milisekundach. Testy bezpośrednio na maszynach fizycznych niosą ryzyko uszkodzeń, przestojów i incydentów bezpieczeństwa. Google Cloud physical AI łączy symulację, trenowanie i wdrożenie brzegowe w jeden zarządzany potok. Softprom jest oficjalnym partnerem Google.

Co zostało ogłoszone

Google Cloud zaprezentował kompleksowy stos physical AI dla deweloperów robotyki, obejmujący trzy etapy: Simulate, Train i Operate. Zespoły mogą uruchamiać tysiące środowisk wirtualnych równolegle na G4 VMs z GPU NVIDIA RTX PRO 6000 Blackwell Server Edition, trenować sieci VLA oraz World Model Architecture (WMA) na AI Hypercomputer z maszynami A3, A4 i A5 oraz wdrażać modele na obiekcie za pomocą Gemini Robotics ER 2, Gemini Live i Gemma 4.

Dlaczego ma to znaczenie

Dla CIO i liderów inżynierii w produkcji i logistyce łączenie oddzielnych narzędzi do symulacji fizyki, etykietowania wideo, trenowania na GPU i obliczeń brzegowych jest wolne i kosztowne. Jednolity potok skraca cykle iteracji, zmniejsza ryzyko sprzętowe i zwraca rzeczywiste dane sensoryczne do kolejnego treningu. Platforma obsługuje tryby hybrydowy i offline poprzez Google Distributed Cloud, dzięki czemu roboty produkcyjne pracują z lokalną inferencją poniżej 10 ms nawet bez połączenia sieciowego.

Szczegóły techniczne

• Simulate: NVIDIA Isaac Sim, NVIDIA Cosmos i MuJoCo Warp na GKE z G4 VMs.
• Train: AI Hypercomputer z VM A3, A4, A5; Cluster Director z zarządzanym Slurm; Google Cloud Managed Lustre o submilisekundowej latencji.
• Auto-etykietowanie: Gemini w połączeniu z NVIDIA Cosmos dla automatycznych bounding boxes i adnotacji VLA.
• Operate: Gemini Robotics ER 2 (preview w Model Garden), Gemini Live z obsługą ponad 70 języków, Gemma 4 dla lokalnej inferencji poniżej 10 ms.
• Pętla zwrotna: Cloud Storage, Pub/Sub i BigQuery dla telemetrii floty w skali petabajtów.

Najczęstsze pytania

Jaki sprzęt zasila etap symulacji?

G4 VMs na Google Kubernetes Engine z GPU NVIDIA RTX PRO 6000 Blackwell Server Edition uruchamiają NVIDIA Isaac Sim, NVIDIA Cosmos i MuJoCo Warp w środowiskach równoległych.

Jak Google Cloud physical AI obsługuje roboty offline?

Google Distributed Cloud uruchamia zarządzane obliczenia lokalnie, a otwarte modele Gemma 4 wykonują wizję, audio i wywołania narzędzi lokalnie w czasie poniżej 10 ms bez połączenia sieciowego.

Czy można zintegrować istniejące procesy trenowania?

Tak. Zespoły mogą wybrać zarządzane Vertex AI, Cluster Director ze Slurm lub natywny GKE i przechowywać wielokamerowe zbiory danych na Managed Lustre o submilisekundowej latencji.

Softprom i Google

Softprom jest oficjalnym partnerem Google. Nasz zespół wspiera liderów inżynierii i IT w projektowaniu potoków robotyki i infrastruktury AI na Google Cloud.

Opracowane przez redakcję Softprom na podstawie materiałów vendora (Softprom DistriFlow). Źródło: artykuł oryginalny.