Як масштабувати робототехніку: Google Cloud physical AI

Google Cloud physical AI обʼєднує симуляцію, навчання та експлуатацію роботів на одній платформі.

Перш ніж робот зможе безпечно взяти коробку на складі або працювати в цеху, інженерні команди мають згенерувати великі обсяги синтетичних даних, навчити моделі зору й руху та запустити їх на локальному обладнанні з мілісекундним відгуком. Тестування безпосередньо на фізичних машинах несе ризики поломок, простоїв і небезпеки. Google Cloud physical AI обʼєднує симуляцію, навчання й розгортання в один керований конвеєр. Softprom є офіційним партнером Google.

Що було анонсовано

Google Cloud представив наскрізний стек physical AI для розробників робототехніки, що охоплює три етапи: Simulate, Train і Operate. Команди можуть запускати тисячі віртуальних середовищ паралельно на G4 VMs з GPU NVIDIA RTX PRO 6000 Blackwell Server Edition, тренувати мережі VLA та World Model Architecture (WMA) на AI Hypercomputer з машинами A3, A4 і A5 та розгортати моделі на обʼєкті за допомогою Gemini Robotics ER 2, Gemini Live і Gemma 4.

Чому це важливо

Для CIO та інженерних керівників у виробництві й логістиці звʼязування окремих інструментів для фізичної симуляції, розмітки відео, навчання на GPU й edge-обчислень є повільним і дорогим. Єдиний конвеєр скорочує цикли ітерацій, знижує апаратні ризики та повертає реальні сенсорні дані у наступні тренування. Платформа підтримує гібридний та офлайн-режим через Google Distributed Cloud, тому роботи на виробництві продовжують працювати з локальним інференсом менш ніж 10 мс навіть без мережі.

Технічні деталі

• Simulate: NVIDIA Isaac Sim, NVIDIA Cosmos і MuJoCo Warp на GKE з G4 VMs.
• Train: AI Hypercomputer з VM A3, A4, A5; Cluster Director з керованим Slurm; Google Cloud Managed Lustre із субмілісекундною затримкою сховища.
• Авторозмітка: Gemini разом з NVIDIA Cosmos для автоматичних bounding boxes та анотацій VLA.
• Operate: Gemini Robotics ER 2 (preview у Model Garden), Gemini Live з підтримкою понад 70 мов, Gemma 4 для локального інференсу менш ніж 10 мс.
• Зворотний звʼязок: Cloud Storage, Pub/Sub та BigQuery для телеметрії флоту у петабайтному масштабі.

Часті запитання

Яке обладнання забезпечує етап симуляції?

G4 VMs на Google Kubernetes Engine з GPU NVIDIA RTX PRO 6000 Blackwell Server Edition запускають NVIDIA Isaac Sim, NVIDIA Cosmos і MuJoCo Warp у паралельних середовищах.

Як Google Cloud physical AI працює з офлайн-роботами?

Google Distributed Cloud запускає обчислення на обʼєкті, а відкриті моделі Gemma 4 виконують обробку зору, аудіо та викликів інструментів локально за менш ніж 10 мс без підключення до мережі.

Чи можна інтегрувати наявні процеси навчання?

Так. Команди можуть обрати керований Vertex AI, Cluster Director зі Slurm або нативний GKE та зберігати мультикамерні датасети на Managed Lustre з субмілісекундною затримкою.

Softprom та Google

Softprom є офіційним партнером Google. Наша команда допомагає інженерним та ІТ-керівникам проєктувати конвеєри робототехніки й AI-інфраструктури на Google Cloud.

Підготовлено редакцією Softprom за матеріалами вендора (Softprom DistriFlow). Джерело: оригінальна стаття.