"Mavila adalah model visi dan bahasa yang sangat maju khusus untuk pembuatan pintar, bidang yang kami terlibat dalam hampir satu dekad," kata Lee dalam temu bual dengan NSF.

Kekuatan utama Mavila

Sistem AI perindustrian yang paling terkini masih bergantung kepada alat penglihatan berasaskan peraturan yang berjuang dengan bentuk bahagian yang tidak dikenali atau keadaan pencahayaan di lantai kilang. Apa yang membezakan Mavila adalah latihan mengenai data khusus domain-beribu-ribu imej berlabel, manual teknikal, dan log sensor dari mesin CNC, unit Wire-EDM, dan pencetak 3D. Apabila dibentangkan dengan pendakap titanium yang baru dicetak, model ini dapat mengenal pasti retak mikro dan dengan serta-merta mengesyorkan pelarasan kepada kuasa laser. Tugas ini biasanya memerlukan jurutera proses di lokasi.

Mavila boleh menganalisis mesin penggilingan, mengesan anomali, dan mencadangkan kelajuan pemotongan yang optimum -semua sebelum pengendali manusia dapat memukul perhentian kecemasan.

"Model bahasa besar tradisional dibina untuk memproses dan menghasilkan teks," jelas Lee. "Tetapi model penglihatan Mavila mampu menafsirkan maklumat visual dan tekstual."

Dalam ujian makmal awal, Mavila berjaya mengesan dengan sengaja memperkenalkan kecacatan dalam komponen dicetak 3D dan cadangan cetakan yang diperbetulkan dalam beberapa saat. Pasukan itu kemudian mengerahkan model pada robot mudah alih yang menangkap imej proses penggilingan, mengambil spesifikasi tork yang betul dari manual PDF, dan mencadangkan pelarasan laluan alat -semua semasa mesin sedang beroperasi.

Lee menekankan bahawa kawalan ke atas data khusus akan menentukan gelombang seterusnya industri AI.

"Saya percaya hati industri AI terletak pada algoritma dan model yang anda usahakan," katanya. "Tetapi sama pentingnya ialah data. Sesiapa yang mengawal data memegang nilai yang paling."

Pasukannya telah mencipta salah satu penanda aras yang pertama yang tersedia untuk imej pembuatan pintar, dan terus dipertingkatkan Mavila menggunakan saluran paip pemprosesan pengambilan semula, membolehkannya mengakses bahagian yang betul dari manual semasa interaksi masa nyata.

Oleh kerana dataset awam jarang menangani senario pembuatan khusus, pasukan Lee telah menghabiskan masa bertahun-tahun mengumpul imej resolusi tinggi alat pemotong, menyusun data sensor dari pencetak 3D, dan manual pengendali mendigitalisasi ke dalam pangkalan data yang boleh dicari. Usaha ini telah membawa kepada sistem yang dipertingkatkan semula yang membolehkan Mavila memberikan respons yang tepat semasa mesin masih beroperasi.

AI mendapat daya tarikan dalam persekitaran pembuatan

Siemens sudah membawa penyelesaian yang sama kepada pasaran. Copilot perindustriannya, yang diintegrasikan dengan portal TIA syarikat, boleh menjana kod PLC dan antara muka HMI, mengurangkan masa pembangunan dan kadar kesilapan. Alat ini akan melancarkan musim panas ini.

NVIDIA bekerjasama dengan Foxconn, Pegatron, dan firma lain untuk membuat replika digital skala penuh garis pengeluaran mereka. Dengan mensimulasikan susun atur kilang sebelum pembinaan fizikal bermula, syarikat -syarikat ini melaporkan penggunaan lebih cepat dan keselamatan yang lebih baik. BMW juga mendakwa kilang maya telah mengurangkan kos perancangan sehingga 30% dengan mensimulasikan setiap gerakan robot dalam persekitaran photorealistik.

Perkembangan ini menunjukkan bahawa pengeluar utama memeluk pembantu berkuasa AI, tetapi mereka juga memberikan cabaran bagi pembekal yang lebih kecil yang mungkin kekurangan sumber atau data untuk bersaing.

Sokongan dasar dan cabaran tenaga kerja

Pembiayaan kerajaan semakin menyokong pembuatan AS. Musim bunga ini, NSF memperuntukkan $ 25.5 juta dalam geran untuk inisiatif "pembuatan masa depan", termasuk pembangunan kembar digital dan "kitar semula" -satu kaedah pekeliling yang menukarkan sisa logam industri terus ke dalam bahan -bahan baru, meminimumkan downcycling dan menurunkan pelepasan karbon. Walau bagaimanapun, laporan Deloitte menyoroti kekurangan yang dijangkakan sebanyak 2.1 juta pekerja pembuatan di Amerika Syarikat menjelang 2030, satu sebab Siemens menggalakkan copilotnya sebagai penyelesaian untuk merapatkan jurang kemahiran.

Sesetengah pakar berhati -hati bahawa walaupun model yang paling canggih tidak dapat menggantikan keperluan untuk data segar dan proprietari. Pengilang bersaiz pertengahan mesti menentukan berapa banyak pengetahuan dalaman yang mereka sanggup berkongsi dengan institusi penyelidikan atau membayar untuk memastikan selamat.

Lee mengakui cabaran ini. Matlamat seterusnya adalah untuk menubuhkan kerjasama perintis dengan sekurang-kurangnya tiga pengeluar kecil dan sederhana. Tanpa data pengeluaran dunia nyata, risiko model yang tersendiri terhad kepada penggunaan akademik.

Kejayaan Mavila kini bergantung kepada sama ada kilang -kilang bersedia untuk memberikan imej dan balak yang mencukupi untuk mengekalkan keberkesanan model, dan betapa mudahnya ia dapat digunakan.

Sekiranya halangan ini diatasi, kilang -kilang AS boleh menggantikan pengikat teknikal yang tebal dengan pembantu AI yang mampu mengenal pasti isu -isu, menjelaskannya, dan membetulkannya dalam masa nyata yang mengubah automasi statik ke dalam sistem pengeluaran yang bijak, adaptif dan berpotensi memberikan pembuatan Amerika Syarikat yang telah lama dicari.

Atas ialah kandungan terperinci NSF yang disokong 'Mavila' AI membawa lantai kilang ke era LLM. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!