NVIDIA cuOpt 路徑優(yōu)化引擎助力川崎重工實現(xiàn)鐵路安全，支持 SyncTwin 實現(xiàn)制造優(yōu)化。

NVIDIA cuOpt不僅在過去三年中所有的大型路徑規(guī)劃基準測試中均名列榜首，還創(chuàng)下了二十多項世界紀錄。這意味著該路徑優(yōu)化引擎能夠使各行各業(yè)采取節(jié)約成本的高效措施。

川崎重工和 SyncTwin 等公司都在利用 cuOpt 改善物流。

在 GTC 2024 大會上，NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛宣布 cuOpt 即將全面上線。

黃仁勛表示：“NVIDIA 正在通過 cuOpt 重塑物流管理和運營研究。這一 NVIDIA 的前量子計算平臺正在助力配送、服務(wù)呼叫、倉庫和工廠以及供應(yīng)鏈運營效率的轉(zhuǎn)型?！?/p>

NVIDIA cuOpt 微服務(wù)是 NVIDIA AI Enterprise 軟件平臺的一部分，可以為任何企業(yè)提供用于實時動態(tài)路徑規(guī)劃、工廠優(yōu)化和機器人仿真方面的加速優(yōu)化。

NVIDIA Omniverse是一個用于開發(fā)和部署基于 OpenUSD 的高級 3D 應(yīng)用程序和管線的軟件平臺。企業(yè)可以利用它將 cuOpt 嵌入其開發(fā)的高級 3D 工具、應(yīng)用和基于 USD 的工作流中。

在依賴復(fù)雜自動化系統(tǒng)、精準物料流程以及人機交互的設(shè)施（如汽車工廠、半導(dǎo)體代工廠、倉庫等）中同時采用 cuOpt、Omniverse 和 NVIDIA Metropolis for Factories，將有助于優(yōu)化和創(chuàng)建安全的設(shè)施與環(huán)境以應(yīng)對大量的物流處理。

cuOpt 在研究最深入的路徑優(yōu)化基準測試中，使用知名解決方案進行持續(xù)測試，測試結(jié)果比基于 CPU 的方案提速 100 倍。cuOpt 在 Gehring & Homberger 車輛路徑基準測試中創(chuàng)造了 15 項記錄，在 Li & Lim 取貨和送貨基準測試中創(chuàng)造了 8 項記錄，展現(xiàn)出全球最佳的準確性與最快的速度。

AI 有望提高從交通運輸網(wǎng)絡(luò)到制造等各個環(huán)節(jié)的物流效率。

利用 cuOpt 節(jié)省檢查成本

川崎重工是一家擁有一百多年大型機械制造歷史的制造企業(yè)。該公司正與 Slalom 合作，開發(fā)由 AI 驅(qū)動的川崎軌道維護平臺，并在這一過程中利用 cuOpt 實現(xiàn)高效率的路徑規(guī)劃。

全球各地的鐵路軌道維護正在借助 AI “改頭換面”。軌道檢查和維護曾經(jīng)既耗時又難以管理，無法保證列車按時運行。但軌道維護對安全和交通運輸服務(wù)至關(guān)重要。鐵路公司正在利用 AI 和機器學(xué)習(xí)，配合數(shù)碼攝像頭、激光和陀螺儀傳感器實現(xiàn)軌道檢查的自動化。

川崎重工正在將 NVIDIA Jetson AGX Orin 的邊緣計算用于其軌道維護平臺，以開發(fā)能夠在列車上運行的軌道檢查功能。借助該平臺，客戶能夠利用軌道上采集的數(shù)據(jù)改進視覺模型，提高邊緣 AI 系統(tǒng)的檢測能力。

該平臺能夠為維護團隊提供軌道狀況的相關(guān)數(shù)據(jù)，以便于確定維修的優(yōu)先順序，從而提升運營的安全性和可靠性。

川崎重工預(yù)計，由 AI 驅(qū)動系統(tǒng)實現(xiàn)的自動化軌道檢查，每年可為七家公司節(jié)省 2.18 億美元。

利用 cuOpt 和 Omniverse 提高制造效率

一家全球汽車座椅制造領(lǐng)域的領(lǐng)先企業(yè)采用了 SyncTwin 的數(shù)字孿生功能，借助 AI 以改善運營。該功能由 Omniverse 和 cuOpt 驅(qū)動。

這家全球汽車座椅制造商擁有一個用于運送原材料的龐大裝卸碼頭網(wǎng)絡(luò)，并使用叉車將原材料卸載和運送至存儲和處理區(qū)，從而確保生產(chǎn)線原材料的穩(wěn)定供應(yīng)。cuOpt 與 SyncTwin 的連接可實現(xiàn)高效的路徑規(guī)劃，優(yōu)化了包括車輛、機器人托盤升降機等在內(nèi)的所有動態(tài)部分。

該 SyncTwin 解決方案基于 Omniverse 和 USD 開發(fā)，因此制造商的各種工廠規(guī)劃工具都能為創(chuàng)建一個豐富的數(shù)字孿生環(huán)境做出貢獻。另外，他們還能省去繁瑣的人工數(shù)據(jù)采集工作，并從之前互不關(guān)聯(lián)的數(shù)據(jù)中獲得新的洞察。