软银与日本国家安川电机在NVIDIA的协助下，利用软银开发的“AI数据中心GPU云”作为物理AI的开发平台，完成了安川电机开发的“柔性物体处理系统”的实证测试。
通过该开发平台，能够高效地完成从机器人动作数据采集、AI学习与评估，到实际设备应用的整个开发流程，从而加快并简化物理AI的导入过程。
此次实证中，AI实现了实时学习，并向机器人发出精准指令，使机器人能够稳定处理对控制要求极高的柔性物体。
软银表示，未来将通过提供物理AI开发平台，推动企业加速物理AI的应用，同时帮助企业利用现场数据和经验持续优化自有物理AI模型，促进其在更多业务和机器人上的应用。
AI数据中心GPU云上的物理AI开发支持工具概述
软银开发的物理AI开发支持工具，能够在“AI数据中心GPU云”上统一执行机器人动作数据采集、数据扩充（合成数据生成）、AI模型训练、仿真评估及实际应用等开发流程。
开发流程示意
-
机器人数据采集与数据扩充
机器人连接至“AI数据中心GPU云”，采集并存储动作数据和传感器信息。基于这些数据，利用“NVIDIA Cosmos”生成合成数据。通过数据扩充，补充实际设备难以采集的数据，提升AI模型训练效果。 -
AI模型训练与仿真评估
利用“AI数据中心GPU云”的计算资源进行AI模型训练。技术人员可在该GPU云环境的图形界面中实时监控训练进度，并基于采集和扩充的数据持续优化模型。训练完成的模型将在集成了“NVIDIA Omniverse库”的仿真器中进行评估，通过多任务动作验证模型在保持基本性能的同时，能否适应目标任务。
-
机器人实际应用
经过仿真验证后，将AI模型应用于机器人实际设备。该工具使得物理AI的开发环境搭建和训练周期在“AI数据中心GPU云”上得以高效推进。同时，便于企业在多个业务和场所中收集的实际数据、AI模型执行数据及合成数据，按照企业管理策略作为资产加以利用，促进向其他业务的推广。
柔性物体处理系统概述
该系统基于摄像头等视觉信息和作业指令，利用视觉语言分析（VLA）识别目标物体状态，进而实现机器人抓取和操作。
由于绳索、布料、袋子等柔性物体在每次作业中形状和摆放位置均会变化，且容易出现变形、缠绕和折叠，导致抓取位置不稳定，传统基于预设形状和位置的规则控制难以实现稳定处理。
柔性物体处理系统将传统机器人控制中能稳定应对的动作与物理AI在柔性物体状态识别及抓取位置判断等方面的优势动作区分开来，将物理AI作为功能模块集成到现有机器人系统中。
实证测试概述
本次实证以柔性物体处理为案例，针对形状和摆放位置随作业变化的线束装箱任务，应用了软银的物理AI开发支持工具和日本国家安川电机的柔性物体处理系统。
结果表明，物理AI能够快速导入，机器人基于视觉信息识别线束状态，AI实时学习并向机器人发出精准指令，实现了柔性物体的稳定处理。
