Как масштабировать робототехнику: Google Cloud physical AI

Google Cloud physical AI объединяет симуляцию, обучение и эксплуатацию роботов на одной платформе.

Прежде чем робот сможет безопасно взять коробку на складе или работать в цеху, инженерным командам нужно сгенерировать большие объёмы синтетических данных, обучить модели зрения и движения и запустить их на локальном оборудовании с миллисекундным откликом. Тестирование напрямую на физических машинах несёт риски поломок, простоев и инцидентов. Google Cloud physical AI объединяет симуляцию, обучение и развертывание в единый управляемый конвейер. Softprom является официальным партнером Google.

Что было анонсировано

Google Cloud представил сквозной стек physical AI для разработчиков робототехники, охватывающий три этапа: Simulate, Train и Operate. Команды могут параллельно запускать тысячи виртуальных сред на G4 VMs с GPU NVIDIA RTX PRO 6000 Blackwell Server Edition, обучать сети VLA и World Model Architecture (WMA) на AI Hypercomputer с машинами A3, A4 и A5 и развертывать модели на объекте с помощью Gemini Robotics ER 2, Gemini Live и Gemma 4.

Почему это важно

Для CIO и инженерных руководителей в производстве и логистике связывание отдельных инструментов для физической симуляции, разметки видео, обучения на GPU и edge-вычислений — медленный и дорогой процесс. Единый конвейер сокращает циклы итераций, снижает аппаратные риски и возвращает реальные сенсорные данные в следующие циклы обучения. Платформа поддерживает гибридный и офлайн-режим через Google Distributed Cloud, поэтому роботы на производстве продолжают работать с локальным инференсом менее 10 мс даже без сети.

Технические детали

• Simulate: NVIDIA Isaac Sim, NVIDIA Cosmos и MuJoCo Warp на GKE с G4 VMs.
• Train: AI Hypercomputer с VM A3, A4, A5; Cluster Director с управляемым Slurm; Google Cloud Managed Lustre с субмиллисекундной задержкой хранилища.
• Авторазметка: Gemini вместе с NVIDIA Cosmos для автоматических bounding boxes и аннотаций VLA.
• Operate: Gemini Robotics ER 2 (preview в Model Garden), Gemini Live с поддержкой более 70 языков, Gemma 4 для локального инференса менее 10 мс.
• Обратная связь: Cloud Storage, Pub/Sub и BigQuery для телеметрии флота в петабайтном масштабе.

Часто задаваемые вопросы

Какое оборудование обеспечивает этап симуляции?

G4 VMs на Google Kubernetes Engine с GPU NVIDIA RTX PRO 6000 Blackwell Server Edition запускают NVIDIA Isaac Sim, NVIDIA Cosmos и MuJoCo Warp в параллельных средах.

Как Google Cloud physical AI работает с офлайн-роботами?

Google Distributed Cloud запускает вычисления на объекте, а открытые модели Gemma 4 выполняют обработку зрения, аудио и вызовов инструментов локально менее чем за 10 мс без подключения к сети.

Можно ли интегрировать существующие процессы обучения?

Да. Команды могут выбрать управляемый Vertex AI, Cluster Director со Slurm или нативный GKE и хранить мультикамерные датасеты на Managed Lustre с субмиллисекундной задержкой.

Softprom и Google

Softprom является официальным партнером Google. Наша команда помогает инженерным и ИТ-руководителям проектировать конвейеры робототехники и AI-инфраструктуры на Google Cloud.

Подготовлено редакцией Softprom по материалам вендора (Softprom DistriFlow). Источник: оригинальная статья.