Nvidia aproxima Omniverse de gêmeos digitais conectados – e da automação completa

*Fato relevante: A Nvidia é cliente do autor

A Nvidia anunciou este mês uma série de melhorias em sua ferramenta de criação e simulação Omniverse. Coletivamente, eles conectam mais fortemente as instâncias do metaverso com os dispositivos do mundo real que eles emulam, garantindo que quaisquer gêmeos digitais relacionados sejam sincronizados em tempo real com suas contrapartes do mundo real, aumentando substancialmente o realismo.

Isso terá vários benefícios de curto prazo para administrar remotamente qualquer solução coberta por uma simulação de metaverso; ele também fornecerá um caminho mais curto para a automação completa e definirá uma estrutura que deve tornar essa etapa final mais rápida e confiável.

Vamos explorar o metaverso conectado e por que ele acelerará a automação completa.

Gêmeos digitais conectados ao resgate

O conceito de gêmeos digitais conectados é fundamental para tornar as simulações mais realistas usando sensores para garantir que os gêmeos emulem realisticamente suas contrapartes reais. Isso permitiria que um administrador remoto (ou mesmo local) localizasse e avaliasse melhor os problemas antes que eles levassem a falhas. Por exemplo, no caso de um sensor de rolamento que normalmente seria invisível ao olho humano, os sensores podem traduzir uma falha em uma sugestão visual no gêmeo, destacando o problema. (O administrador pode ver o problema por meio de uma instância do metaverso virtualmente ou usando óculos AR.)

A identificação rápida de equipamentos fora das especificações e em risco de falha (por excesso de calor, ruído ou vibração) ajudaria na manutenção preventiva e forneceria uma interface de suporte mais rica do que um painel típico. Isso significa que é mais provável que um técnico chegue ao local com as ferramentas e peças necessárias para corrigir o problema, em vez de primeiro fazer um diagnóstico e depois retornar para corrigir o problema.

Adicionando inteligência artificial (IA) para a mistura

A Nvidia também anunciou IAs de treinamento para ajudar a diagnosticar um problema e aconselhar sobre como corrigi-lo usando dados sintéticos para diminuir o tempo de treinamento de IA. Pegue esse rolamento com defeito, por exemplo – em vez de apenas substituir um, pode fazer mais sentido substituir várias outras peças perecíveis ao mesmo tempo para minimizar os custos de desmontagem e montagem. A IA pode determinar, com base em reparos históricos, que o rolamento ruim é um precursor de outras falhas, permitindo que uma tecnologia antecipe e corrija problemas futuros antes que eles surjam.

Por exemplo, reparos não críticos geralmente podem ser resolvidos de maneira mais barata se a tecnologia estiver no local e já trabalhando em outra coisa.

Próximo passo: reparos robóticos?

Quando você se junta aos esforços de robótica da Nvidia, os reparos podem ignorar uma tecnologia humana e usar um reparo robótico treinado que o administrador remoto pode acionar com uma interface de IA. Dependendo do que melhor se adequar às circunstâncias, o administrador pode iniciar uma resposta automatizada de IA usando equipamentos já no local, acelerando significativamente o reparo.

Com esse tipo de sistema implantado, o papel do administrador se torna mais simples porque as tarefas estão bem definidas e os gatilhos para elas já estão totalmente instrumentados e integrados à solução. Você pode não precisar de um administrador.

Mudando para a automação completa

O caminho para a automação total pode levar uma década ou mais. Os primeiros passos seriam instrumentar totalmente as áreas a serem cobertas, criar gêmeos digitais conectados da infraestrutura a ser mantida e, em seguida, usar a IA com base em uma combinação de dados reais e sintéticos para otimizar a manutenção e os reparos. Esses dados podem ser usados como parte do pacote de treinamento para robôs no local, enquanto as funções administrativas são automatizadas; o último deve ser a parte mais fácil do processo.

Garantir a integridade dos dados e antecipar seu eventual uso para treinamento de IA seria fundamental para garantir uma implantação oportuna e eficaz das funções subsequentes. Espero que o passo mais difícil seja automatizar os reparos. Poucos sistemas são criados hoje com a exigência de que sejam mantidos roboticamente, mas isso mudará com o tempo.

Visitei sites que seguem a abordagem de realidade aumentada para manutenção, sugerindo que a mudança inicial para gêmeos digitais conectados já pode ser feita em vários sites. Agora temos um caminho razoavelmente bem definido para automatizar totalmente os data centers (que foi o que a Nvidia demonstrou). Este vídeo da Nvidia mostra como você pode usar inicialmente o metaverso para interagir com um datacenter, e este fala sobre a automatização de um site inteiro. Por fim, este vídeo mostra o que pode acontecer se um administrador tiver muito tempo e pouca supervisão.

Ok, esse último foi uma piada. Mas demonstra que no metaverso, as regras não precisam ser aplicadas, eventualmente abrindo a porta para inovações que agora só podemos imaginar.