该德国研究小组的O3dyn平台使用NVIDIA的模拟技术来创造用于制造业的自主移动机器人。

Joseph Fraunhofer是19世纪的光学研究领域先驱者,他将科学研究与工业应用结合在一起。今天,欧洲最大的研发机构——德国的弗劳恩霍夫协会——正将目光投向从 AI 到网络安全再到医学等关键技术的应用研究。
该学会旗下的弗劳恩霍夫物流研究院(Fraunhofer IML)希望推动物流和机器人技术的发展。这支德国研究团队正在使用NVIDIA Isaac Sim,通过模拟来推动机器人设计方面的进展。
与宝马、亚马逊和西门子等众多公司一样,弗劳恩霍夫物流研究院同样依赖于NVIDIA Omniverse。该机构正在利用该软件推动物流实践和制造方面的应用研究。
弗劳恩霍夫的最新创新成果O3dyn,正使用NVIDIA的模拟和机器人技术来创造一个室内-室外自主移动机器人(AMR)。
其目标是实现从自动导引车转向快速自主移动机器人的飞跃,而后者尚未在市场上出现。
这一自动化水平的进步有望大幅提升物流速度。
弗劳恩霍夫物流研究院的机器人和AI研究员Julian Eber表示:“我们正在研究,如何在物流场景中尽可能地保证机器人的移动既快速又安全。”
从MP3文件格式到自主移动机器人
弗劳恩霍夫物流研究院的母机构位于靠近德国版图中央的多特蒙德,拥有超过3万名员工并且参与了数百个研究项目。该机构在1990年代负责开发MP3文件格式,并引发了数字音乐革命。
为了让自动导引车同当时的光盘一样发展,Fraunhofer在2013年推出了一款开创性的机器人。现在这款机器人已被宝马公司在其装配厂和其他地方广泛使用。
这款名为STR的机器人已成为工业制造的“主力军”。它被用于移动生产线上的货物搬运。弗劳恩霍夫物流研究院的AI研究工作推动了STR和该机器人平台其他层面的更新,比如O3dyn。
弗劳恩霍夫物流研究院的目标是创造出最先进的自主移动机器人。O3dyn依靠NVIDIA Jetson边缘AI和机器人平台上众多的摄像头和传感器输入来帮助导航。
这台机器人具有更高的速度和敏捷性,它能够以每小时30英里的速度前进并配有AI辅助车轮,可以朝任何方向移动,即便在狭小的空间也能游刃有余。
弗劳恩霍夫物流研究院的AI和自主系统负责人Sören Kerner表示:“全向移动是这款机器人所独有的能力,据我们所知,目前市场上没有这样的机器人。”
弗劳恩霍夫物流研究院在NVIDIA GTC大会上介绍了这款托盘移动机器人的最新开发情况。
从模拟到现实
弗劳恩霍夫物流研究院在其最新研究中使用了Isaac Sim,致力于通过缩小模拟与现实之间的差距,在模拟中开发和验证这些自主移动机器人。研究人员依靠Isaac Sim对这款高度自主化的移动机器人进行虚拟开发,在逼真且物理精确的3D世界中锻炼机器人。
这使该研究院能够将机器人的5400多个部件从计算机辅助设计软件中导入虚拟环境,然后使用Omniverse PhysX为它们提供物理上准确的规格。
其结果是,该虚拟机器人版本在模拟中可以像现实世界的物理机器人一样迅速移动。弗劳恩霍夫物流研究院充分利用虚拟环境来加快开发速度、安全地提高其在现实世界部署的准确性并更快地扩大规模。
弗劳恩霍夫物流研究院所提出的“基于模拟的AI”的概念指的是尽量缩小模拟与现实之间的差距,使模拟成为机器人的数字现实。
为了更快取得成果,该研究院正在以开源形式发布这个自主移动机器人模拟模型,以便开发者进行改进。
Kerner表示:“这对物流行业的未来发展十分重要。我们希望能够有尽可能多的人在模拟环境中研究此类移动机器人的定位、导航和AI。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。