NVIDIAがGB300組立を自律ロボットで自動化

NVIDIAのシアトル研究ラボとIsaacエンジニアリングチームは、次世代AI基盤モデルの演算中核であるGrace Blackwell GB300スーパーチップの試験トレイ組立自動化において、重要な技術的進展を達成した。同プロジェクトは、複雑な配線バスアセンブリと多connector挿入という製造現場の難題に対し、従来のロボット工学の限界と機械学習の特性を統合する統合戦略を採用した。 GB300トレイの組立は、部品の幾何学的変動やケーブルの塑性変形といった不確実性が高く、人間の熟練労働者が負担なく行う作業であるため自動化が極めて困難であった。NVIDIAはまず、姿勢推定、経路計画、高性能インピーダンス制御を組み合わせた古典的パイプラインを適用し、16箇所のねじ締めを含むバスアセンブリで95％以上の成功率を達成した。一方、小型かつ視覚的特徴が乏しいコネクタの挿入では、シミュレーションベースの強化学習だけでは実環境の物理的ギャップを埋められず、DOPERと呼ばれる特化型姿勢推定フレームワーク、3Dプリンタ製カスタムグリッパーによる把持精度の向上、さらにSim-to-Real基盤と実機データの残差学習を融合したハイブリッド制御へ転換した。現在のコネクタ挿入成功率は90〜95％に達し、サイクルタイムの最適化により製造要求水準への到達を目指している。 本プロジェクトは、AIのみに依存せず機械設計や古典的制御を再評価する意義を示すと同時に、TALOSやコンテナ化されたロボットサービス基盤の整備により開発から実証までの加速を実現した。NVIDIAは、人工知能によるハードウェア生産自動化が製造業労働不足を補完し、AI訓練マシンが次世代ロボットの学習データを生む好循環を創出すると期待している。今後は、実環境でのドメイン適応、モデル汎化能力の向上、および産業連携を通じた工業級成功率基準の突破に向け、Vision-Language-Actionモデルやエージェント駆動型ロボティクスの実装を推進する。この取り組みは、研究ラボから製造工場への技術移転を具体化するものとして、次世代AIインフラ生産の自動化基準を再定義するものと見られている。