AWS hat die Physical AI Toolchain on AWS angekündigt. Dabei handelt es sich um ein Open-Source-Paket für Unternehmen, die Maschinen entwickeln, welche ihre physische Umgebung wahrnehmen, Entscheidungen treffen und sich in Echtzeit an sie anpassen können. Das System richtet sich an die Bereiche industrielle Automatisierung, autonome Mobilität und humanoide Robotik und ist in das NVIDIA-Ökosystem für physische künstliche Intelligenz integriert.
Diese Kategorie unterscheidet sich von herkömmlicher künstlicher Intelligenz, die Daten verarbeitet und digitale Ergebnisse erzeugt: Intelligente Maschinen interagieren über Wahrnehmung, Schlussfolgerung und Ausführung mit der realen Welt. Außerdem fließen Betriebsdaten zurück in den Trainingszyklus, wodurch sich die Modelle mit wiederholten Bereitstellungen verbessern lassen.
Vom Training bis zum Betrieb in einem System
Das Paket kombiniert Architekturleitfäden, Bereitstellungsautomatisierung und nutzbaren Referenzcode und deckt den Entwicklungszyklus physischer künstlicher Intelligenz über fünf miteinander verbundene Bereiche ab:
- Generierung synthetischer Daten: Erstellung vielfältiger Trainingsumgebungen und -szenarien mithilfe künstlicher Intelligenz, um den Bedarf an der kostspieligen Sammlung realer Daten zu verringern.
- Training der Modelle: Vermittlung von Fähigkeiten an Maschinen anhand menschlicher Demonstrationen und durch Übung in simulierten Umgebungen.
- Simulation und Validierung: Virtuelles Testen des Verhaltens von Maschinen, bevor sie auf der tatsächlichen Hardware betrieben werden.
- Bereitstellung am Netzwerkrand: Übertragung optimierter Modelle auf Maschinen, damit diese sofortige Entscheidungen treffen können, ohne dauerhaft mit der Cloud verbunden zu sein.
- Kontinuierliche Optimierung: Rückführung von Betriebsdaten in den Trainingszyklus, um neue Daten zu erzeugen und die Modelle zu verbessern.
Zu den eingesetzten AWS-Diensten gehören Amazon SageMaker für das Training der Modelle, mit Grafikprozessoren ausgestattete Amazon-EC2-Instanzen für die Simulation, AWS IoT Greengrass für die Bereitstellung am Netzwerkrand und Amazon Bedrock AgentCore für die intelligente Orchestrierung. Seitens NVIDIA ist das Paket in Isaac Sim für die Simulation, Isaac Lab für bestärkendes Lernen, Isaac GR00T für das Training humanoider Maschinen und Cosmos für die Generierung synthetischer Welten integriert.
Was ändert sich für Unternehmen in der Praxis?
Unternehmen können das System vollständig über eine einzige Kontrollstelle übernehmen oder einzelne Komponenten wie Simulation, Training oder Bereitstellung auswählen und in ihre bestehenden Arbeitsabläufe integrieren. Außerdem bieten Flottenverwaltungsfunktionen die Möglichkeit, beim Übergang in die Produktion Tausende Maschinen einzurichten, abzusichern und aus der Ferne zu aktualisieren.
AWS zufolge wurde das Paket entwickelt, um den Zeitaufwand von Entwicklungsteams für die Infrastruktur zu verringern, damit sie sich stärker auf die Entwicklung der Anwendungen und Maschinen selbst konzentrieren können. Das Unternehmen weist darauf hin, dass Bereitstellungsprozesse an die Hardware, die Betriebsumgebung und den jeweiligen Anwendungsfall angepasst werden können, anstatt einem einheitlichen Design zu folgen.
Profitieren von der Erfahrung von Amazon Robotics
Das Paket stützt sich auf Amazons Erfahrung mit dem Betrieb von mehr als einer Million Robotern innerhalb seines Betriebsnetzwerks, in dem Roboter täglich Millionen von Paketen gemeinsam mit Hunderttausenden Mitarbeitenden bearbeiten. Das Unternehmen verwies außerdem auf den autonomen Roboter Proteus, den Amazon Robotics für den Einsatz an Standorten entwickelt hat, an denen Gegenstände transportiert werden müssen.
Unternehmen wie NEURA Robotics, RLWRLD und Config nutzen mit dem System verbundene Technologien. NEURA entwickelt humanoide Roboter, die sehen, hören und aus Erfahrungen lernen können, während RLWRLD an einem Basismodell mit 8,1 Milliarden Parametern für Aufgaben zum Greifen und Handhaben von Objekten arbeitet. Config wiederum hat eine Pipeline zur Erfassung von mehr als 200.000 Stunden an Daten über Roboteraktionen aufgebaut.
Redaktionelle Einschätzung: Der zentrale Wert der Ankündigung liegt nicht in der Hinzufügung eines einzelnen Cloud-Dienstes, sondern in dem Versuch von AWS, Training, Simulation, Bereitstellung und Flottenverwaltung in einem anpassbaren Ablauf zusammenzuführen. Dies könnte die Hürde für den Aufbau robotischer Systeme senken. Der Erfolg wird jedoch weiterhin von der Datenqualität, der Hardwarekompatibilität und der Zuverlässigkeit der Modelle beim Übergang von der Simulation in unvorhersehbare reale Umgebungen abhängen. Der Beitrag enthält keine Angaben zu den Einzelheiten der Open-Source-Lizenz oder zu Verfügbarkeitsstufen und Kosten. Diese Punkte müssen vor einer Bewertung der gewerblichen Nutzbarkeit geprüft werden.