Gå til indhold
TimeLinq
IA & Tech

AWS præsenterer den fysiske AI Toolchain, en open source suite til at udvikle autonome robotter med Nvidia værktøjer

Ifølge Le Monde Informatique, Amazon Web Services præsenterede den 7 oktober en open source suite, der kombinerer sine cloud-tjenester med Nvidia komponenter til at lede en prototype robot til produktion.

3 min. læsning

Automatisk oversættelse af den oprindelige artikel til fransk. Lire en français

Foto illustration: Amazon Web Services
Photo : Vitaly Zdanevich · CC0. Kilde: Wikimedia Commons

Det væsentlige

  • Ifølge Le Monde Informatique, den 7. oktober, AWS præsenterede den fysiske AI Toolchain, en open source suite til robotteknologi.
  • Ifølge medierne består kæden af fem trin, fra generation af syntetiske data til ny uddannelse af modeller.
  • Ifølge samme kilde kombinerer den AWS-tjenester med Nvidia-komponenter.
  • Computerverdenen angiver, at validering af ægte hardware fortsat er nødvendig efter simulation.

En open source suite til fysisk AI

Amazon Web Services (AWS) præsenterede den 7 oktober fysisk AI Toolchain, ifølge Le Monde Informatique, som rapporterer den 12 oktober 2026. Denne open source suite samler reference arkitekturer, genanvendelige kode og værktøjer, der automatiserer implementering. Det er rettet mod udviklere af fysiske AI, et område, som medierne beskriver som dækker humanoide robotter, autonome køretøjer og industrielle automatiseringssystemer.

Ifølge medierne er målet at mindske infrastrukturbyrden på oprettelsen af AI-modeller for robotteknologi. AWS ønsker også at reducere den integrationsindsats, der kræves for at gøre en prototype til en operationel anvendelse.

Fem faser af udviklingscyklussen

Le Monde Informatique minder om, at design af en robot involverer dataforberedelse, modeltræning, simulering og validering af adfærd før installation på udstyr. Opfølgningen har til formål at forbinde disse faser med hinanden for at strømline arbejdet og fremskynde gennemførelsen.

Ifølge samme kilde er det organiseret i fem faser:

  • produktion af syntetiske data med henblik på at multiplicere læringsscenarier uden udelukkende at være afhængig af kostbar faktisk indsamling;
  • uddannelse af modeller, navnlig fra menneskelige demonstrationer eller simulerede miljøeksperimenter;
  • simulering og validering til prøvning af robotter før ibrugtagning;
  • indsættelse i periferien, på selve maskinerne, med henblik på at træffe beslutning på trods af latency begrænsninger;
  • data fra produktionsudstyr, som kan give næring til nye træningscyklusser og gradvist forbedre modeller.

AWS tjenester og Nvidia mursten

At opbygge dette miljø, ifølge Le Monde Informatique, AWS samler flere af sine tjenester. Amazon SageMaker er tildelt uddannelse, Amazon EC2 GPU tilfælde til intensive behandlinger, og AWS IoT Greengrass at installere modeller så tæt som muligt på maskiner. Medierne tilføjede, at forvaltning af arbejdsgange og ressourcer bør lette koordineringen af opgaverne.

Kæden er også baseret på Nvidia økosystem. Medierne citerer Isaac Sim for at simulere robotter og deres samspil med deres miljø, Isaac Lab for at lære ved forstærkning, Cosmos for data og syntetiske miljøer, Isaac GR00T for humanoider og OSMO for at organisere arbejdsgange.

Ifølge Le Monde Informatique skal denne kombination reducere den tid, holdene bruger på at bygge og vedligeholde deres infrastruktur. Virksomhederne kan beholde hele kæden eller kun visse elementer, såsom simulering eller uddannelse, og integrere dem i deres eksisterende processer.

Float af maskiner og åbne standarder

AWS fremhæver også flådestyring, med funktioner til at levere, sikre og fjernopdatere tusindvis af maskiner. Medierne ser dette som et spørgsmål for industrifolk, der ønsker at flytte fra et par eksperimentelle robotter til bredere deployeringer.

Suiten understøtter PyTorch, dataformatet LeRobot, Gymnasium, URDF, ONNX og ROS 2. Ifølge Le Monde Informatique bør denne orientering mod åbne formater lette genanvendelsen af data og modeller mellem faser. Mediekvalitet: Der skal dog stadig valideres tilfredsstillende simuleringsadfærd på det virkelige udstyr, hvor der er tale om fysiske grænser, responstider, sensorvariationer og sikkerhedskrav.

Analyse: et samletilbud

Denne analyse er udelukkende baseret på ovennævnte elementer. Den fysiske AI Toolchain vises ikke som en enkelt model, men som en samling af AWS-tjenester, Nvidia komponenter og åbne formater, som virksomhederne kan vedtage kun en del af. De leverede kilder nævner ikke kunder, disponibilitetsplaner eller adoptionstal for at måle deres virkning. De angiver heller ikke priser.

Desuden Investing.com annonceret den 11. oktober 2026, at Amazon ville være i diskussioner om at erhverve opstart af IA Decart for $7 milliarder. Kun denne titel er kendt, uden detaljer om operationens art, og der er ingen forbindelse med AWS 'robotsuite. På markedet side, ifølge Yahoo Finance, Amazon andel var værd $262,43, op 3,29% på sessionen, ifølge oktober 9, 2026 data.

De nævnte instrumenter

Kilder

Dokumenter, der konsulteres for at skrive denne artikel. Linkene åbner forlagets hjemmeside.

  1. 1.
    Le Monde Informatique
    AWS lance une boîte à outils open source dédiée à la robotique(ny fane)

    lemondeinformatique.fr

  2. 2.

Læs også