AWS 上の NVIDIA GPU が Omniverse Isaac Sim で 2 倍のシミュレーションを提供、よりスマートなロボットを高速化

NVIDIA L40S GPU が Amazon Web Services に登場し、開発者は NVIDIA Isaac Sim を使用して、クラウド上でロボティクスアプリケーションのより速い構築と展開が可能となります。

クラウド上でよりインテリジェントなロボットを開発するスピードがさらに加速されようとしています。

NVIDIA Isaac Sim と NVIDIA L40S GPU が Amazon Web Services に登場することで、開発者がクラウド上で行うロボティクスアプリケーションの構築と展開の高速化が可能になります。AI 搭載のロボットのための拡張可能なシミュレーターである Isaac Sim は、OpenUSD アプリケーションの構築と接続のための NVIDIA Omniverse 開発プラットフォーム上に構築されています。

パワフルな AI コンピューティングと、グラフィックスおよびメディア高速化を組み合わせた L40S GPU は、次世代のデータセンターワークロードにパワーを与えます。Ada Lovelace アーキテクチャに基づく L40S は、超高速なリアルタイムレンダリングを可能にし、前世代と比較して Omniverse のパフォーマンスを最大 3.8 倍に向上させ、エンジニアリングとロボティクスチームを強力に支援します。

世代間の飛躍的な高速化により、Isaac Sim を使用したロボティクスシミュレーションの幅広いタスクにおいて、A40 GPU の 2 倍高速なパフォーマンスが得られます。

L40S GPU は、大規模言語モデルを数時間でファインチューニングすることから、テキストから画像への変換やチャットアプリケーションのリアルタイム推論まで、生成 AI ワークロードにも活用できます。

AWS Marketplace の NVIDIA L40S 上の新しい Amazon Machine Images (AMI) により、ロボティクスの開発者は、Isaac Sim のワークロードを操作するための設定済み仮想マシンに簡単にアクセスできるようになります。

シミュレーションにおけるロボティクスの開発は、アプリケーションの展開プロセスを加速し、小売、食品加工、製造、物流などの業界を飛躍的に発展させています。

ABI Research によると、世界の倉庫における移動ロボットの収益は爆発的に増加し、2023 年の 116 億ドルから 2030 年には 3 倍以上の 422 億ドルになると予想されています。

ロボティクスシステムは、フルフィルメントセンター全体で重要な役割を果たし、オンラインショッピング利用者の需要に応え、従業員により良い職場を提供しています。Amazon Robotics は、世界中の倉庫に 75 万台以上のロボットを配備し、荷物のフルフィルメントをサポートする従業員と顧客の体験を向上させています。

Amazon Robotics のバーチャルシステム部門責任者である Brian Basile 氏は、次のように述べています。「シミュレーション技術は、ロボットの開発、テスト、管理において重要な役割を果たしています。Amazon Robotics では、シミュレーションの規模と複雑さを高め続けています。新しい AWS L40S の提供により、私たちはシミュレーション、レンダリング、モデルのトレーニングの限界をさらに押し広げます」

Isaac Sim と加速するロボット開発

ロボティクスシステムは、展開されたアプリケーションでの精密な操作のために、大規模なデータセットを必要とすることがあります。これらのデータセットを収集し、実世界でテストすることは、時間とコストがかかり、現実的ではありません。

ロボティクスシミュレーションは、AI ベースのロボティクスアプリケーションのトレーニングとテストを推進します。合成データを使用することで、シミュレーションはこれまでにない仮想的な進歩を可能にします。シミュレーションは、ロボットの設計、システム、アルゴリズムを運用前に検証、妥当性確認、最適化するのに役立ちます。また、建設や改築を開始する前に施設設計を最適化することで、最大限の効率化を図り、コストのかかる製造変更指示を削減することもできます。

Isaac Sim は、最新のロボティクスシミュレーションツールと機能へのアクセス、およびクラウドアクセスを提供し、チームがより効率的に共同作業を行えるようにします。Isaac Sim の合成データ生成エンジン Omniverse Replicator を利用することで、機械学習エンジニアは、ロバストなディープラーニング知覚モデルをトレーニングするための、実運用可能な合成データセットを構築することができます。