NVIDIA développe des robots pour assembler les GB300

Le laboratoire Seattle Robotics de NVIDIA, en collaboration avec le fabricant Foxconn et l’équipe Isaac Engineering, a fait progresser l’assemblage robotisé des plateaux de test pour la superpuce GB300. Ce composant, indispensable à l’entraînement des modèles d’intelligence artificielle, nécessitait jusqu’à présent une intervention manuelle qualifiée. L’objectif des chercheurs était de développer des systèmes robotiques capables d’assurer cette tâche complexe avec une fiabilité industrielle. Les opérations critiques, l’assemblage des barres de transport de courant et l’insertion de connecteurs électriques, imposent des standards stricts : un taux de réussite supérieur à 99,5 %, un temps de cycle inférieur au double de celui d’un technicien et une sécurité absolue. La déformabilité des câbles, les tolérances minuscules et les variations de production illustrent les limites classiques de l’automatisation rigide. Face à ces défis, l’équipe a abandonné les approches d’apprentissage automatique purement généralistes pour privilégier une architecture hybride, où chaque sous-tâche reçoit la méthode la plus adaptée. Pour les barres de transport, un pipeline traditionnel combinant estimation visuelle avancée et contrôle de force haute performance a permis d’atteindre un taux de réussite dépassant 95 %. L’insertion des connecteurs, plus imprévisible, a nécessité un recours à l’apprentissage par renforcement et à des simulations affinées par des données réelles. La conception mécanique de préhensions sur mesure a également réduit les incertitudes physiques, démontrant que l’ingénierie traditionnelle et l’intelligence artificielle sont plus efficaces lorsqu’elles coopèrent. Ces avancées sont rendues possibles par TALOS, une plateforme d’orchestration unifiant planification, contrôle et déploiement sur différents bras robotiques. Les résultats actuels, avec un taux de réussite de 90 à 95 % pour l’insertion des connecteurs et un cycle d’environ 40 secondes par câble, se rapprochent des seuils de production. Les ingénieurs soulignent que la simulation seule demeure insuffisante et que le temps de cycle doit être évalué au même titre que la précision opérationnelle. La prochaine étape consiste à déployer ces systèmes dans les usines partenaires, en surmontant les écarts entre le laboratoire et la réalité manufacturière. Cette démarche s’inscrit dans une vision plus large : intégrer progressivement l’automatisation intelligente pour compenser le manque de main-d’œuvre qualifiée et accélérer la production d’infrastructures IA. En validant des méthodes robustes et adaptatives, NVIDIA positionne l’assemblage robotique comme une étape clé vers une industrie manufacturière plus autonome et résiliente.