AWS lancia una toolchain open source per la robotica
AWS ha svelato la sua Physical AI Toolchain per semplificare lo sviluppo, la simulazione e il deployment di modelli di intelligenza artificiale su robot. (Credito: AWS)
Semplificare lo sviluppo di modelli IA per la robotica alleggerendo i vincoli legati all'infrastruttura, questo è l'obiettivo della Physical AI Toolchain di Amazon Web Services (AWS). Presentata il 7 ottobre, questa suite open source riarchitettura di riferimento, codice riutilizzabile e strumenti di automazione del deployment. Si rivolge agli sviluppatori che lavorano sull'IA fisica, dai robot umanoidi ai veicoli autonomi, passando per i sistemi di automazione industriale.
AWS intende così ridurre il lavoro di integrazione necessario per passare dal prototipo a un'applicazione operativa. Lo sviluppo di un robot comporta infatti diverse fasi, dalla preparazione dei dati all'addestramento dei modelli, passando per la simulazione e la validazione dei comportamenti prima del deployment sugli equipaggiamenti. Offrendo strumenti per collegare queste diverse fasi, il fornitore cloud vuole semplificare i flussi di lavoro e accelerare l'implementazione delle applicazioni robotiche.
Un ciclo di sviluppo di fine a fine
La Physical AI Toolchain si articola attorno a cinque fasi complementari. La prima riguarda la generazione di dati sintetici, per moltiplicare gli scenari di apprendimento senza dipendere esclusivamente da costose raccolte in condizioni reali. Viene poi l'addestramento dei modelli, in particolare a partire da dimostrazioni umane o esperienze realizzate in ambienti simulati. La simulazione e la validazione permettono quindi di testare il comportamento dei robot prima della loro messa in servizio. I modelli ottimizzati possono essere deployati in periferia, direttamente sulle macchine, per prendere decisioni con vincoli di latenza. Infine, i dati provenienti dagli equipaggiamenti in produzione possono alimentare nuovi cicli di addestramento e migliorare progressivamente i modelli.
Per costruire questo ambiente, AWS combina diversi dei suoi servizi
Per costuire questo ambiente, AWS combina diversi dei suoi servizi, tra cui Amazon SageMaker per l'addestramento, le istanze GPU di Amazon EC2 per i trattamenti intensivi e AWS IoT Greengrass per il deployment in periferia. La gestione dei flussi di lavoro e delle risorse deve anche facilitare l'orchestrazione delle diverse attività.
Nvidia apporta i suoi blocchi software di simulazione e apprendimento
La catena si basa su diversi componenti dell'ecosistema Nvidia. Isaac Sim serve a simulare i robot e le loro interazioni con l'ambiente, mentre Isaac Lab fornisce strumenti di apprendimento per rinforzo. Cosmos contribuisce alla generazione di dati e ambienti sintetici. Per i robot umanoidi, Nvidia Isaac GR00T apporta modelli e capacità di addestramento specifiche. L'orchestrazione dei flussi di lavoro utilizza anche Nvidia OSMO. Questa partnership dovrebbe permettere ai team di sviluppo di limitare il tempo dedicato all'assemblaggio e alla manutenzione della loro infrastruttura. Le aziende possono adottare l'intera catena o selezionare solo alcuni componenti, ad esempio per la simulazione o l'addestramento, e integrarli ai loro processi esistenti.
AWS mette in evidenza anche la gestione di flotte di equipaggiamenti, con funzioni destinate a provisionare, proteggere e aggiornare migliaia di macchine a distanza. Una sfida importante per gli industriali che desiderano passare da alcuni robot sperimentali a deployment su larga scala.
L'interoperabilità rimane una sfida centrale
Oltre all'integrazione tra i servizi AWS e gli strumenti Nvidia, la Physical AI Toolchain si basa su diversi formati e tecnici ampiamente utilizzati nello sviluppo software e robotico. L'ambiente prende in particolare considerazione PyTorch, il formato di dati LeRobot, Gymnasium per l'apprendimento per rinforzo, URDF per la descrizione dei robot, ONNX per il deployment dei modelli e ROS 2 per la loro integrazione ai sistemi di controllo robotico. Questa orientazione verso standard e formati aperti dovrebbe facilitare il riutilizzo dei dati e dei modelli tra le diverse fasi del ciclo di sviluppo. Non elimina tuttavia i vincoli specifici della robotica: un comportamento soddisfacente in simulazione deve ancora essere validato sull'hardware reale, dove intervengono i limiti fisici, i tempi di reazione, le variazioni dei sensori e i requisiti di sicurezza.