Avslöjande: Nvidia är en klient till författaren.

Nvidia tillkännagav denna månad en serie förbättringar av sitt simulerings- och skapandeverktyg Omniverse. Tillsammans kopplar de närmare metaversa instanser till de verkliga enheterna de emulerar, vilket säkerställer att alla associerade digitala tvillingar är i realtidssynkronisering med sina motsvarigheter i den verkliga världen, vilket avsevärt ökar realismen.

Detta kommer att ha flera kortsiktiga fördelar för fjärradministrering av alla lösningar som täcks av en metavers-mock; det kommer också att ge den kortaste vägen till full automatisering och definiera ett ramverk som bör göra detta sista steg snabbare och mer tillförlitligt.

Låt oss utforska den anslutna metaversen den här veckan och varför den kommer att påskynda full automatisering.

Kopplade digitala tvillingar till undsättning

Konceptet med anslutna digitala tvillingar är nyckeln till att göra simuleringar mer realistiska genom att använda sensorer för att säkerställa att tvillingarna realistiskt efterliknar sina verkliga motsvarigheter. Detta skulle göra det möjligt för en fjärradministratör (eller till och med på plats) att bättre lokalisera och bedöma problem innan de leder till fel. Till exempel, i fallet med en kurssensor som normalt skulle vara osynlig för det mänskliga ögat, kan sensorerna översätta ett fel till en visuell signal på tvillingen, vilket framhäver problemet. (Administratören kan se problemet genom en metaverse-instans virtuellt eller med AR-glasögon.)

Snabb identifiering av out-of-specific utrustning som riskerar att gå sönder (på grund av överdriven värme, buller eller vibrationer) skulle underlätta förebyggande underhåll och ge ett rikare stödgränssnitt än en traditionell instrumentbräda. Detta innebär att det är mer sannolikt att en tekniker kommer till platsen med de nödvändiga verktygen och delarna för att rätta till problemet snarare än att först diagnostisera och sedan återvända för att åtgärda problemet.

Lägg till artificiell intelligens (AI) till mixen

Nvidia tillkännagav också AI-utbildning för att hjälpa till att diagnostisera ett problem och ge råd om hur man åtgärdar det med hjälp av syntetiska data för att minska AI-träningstiden. Ta det felaktiga lagret, till exempel: Istället för att bara byta ut ett, kan det vara mer meningsfullt att byta ut flera andra ömtåliga delar samtidigt för att minimera demonterings- och monteringskostnaderna. AI:n skulle kunna fastställa, baserat på historiska reparationer, att dålig rullning är en föregångare till andra misslyckanden, vilket gör att tekniken kan förutse och fixa framtida problem innan de uppstår.

Till exempel kan icke-kritiska reparationer ofta hanteras billigare om tekniken finns på plats och redan arbetar med något annat.

Nästa steg: robotreparationer?

När du kombinerar Nvidias robotinsatser kan reparationer kringgå mänsklig teknik och använda en utbildad robotreparation som kan aktiveras av fjärradministratören med ett AI-gränssnitt. Beroende på vad som passar omständigheterna bäst kan administratören initiera ett automatiskt AI-svar med hjälp av utrustning som redan finns på plats, vilket drastiskt påskyndar reparationen.

Med den här typen av system på plats blir administratörens roll enklare eftersom uppgifterna är väldefinierade och deras utlösare redan är fullt instrumenterade och integrerade i lösningen. Du kanske inte behöver en administratör alls.

Gå till full automatisering

Vägen till full automatisering kan ta ett decennium eller mer. De första stegen skulle vara att fullt ut instrumentera de områden som ska täckas, skapa anslutna digitala tvillingar av infrastrukturen som ska underhållas och sedan använda AI baserat på en kombination av verklig och syntetisk data för att optimera underhåll och reparationer. Dessa data skulle kunna användas som en del av robotutbildningspaketet på plats medan backoffice-funktioner är automatiserade; det senare bör vara den enklaste delen av processen.

Att säkerställa dataintegriteten och förutse dess eventuella användning för AI-träning skulle vara avgörande för att säkerställa snabb och effektiv distribution av nedströmsfunktioner. Jag hoppas att det svåraste steget är att automatisera reparationerna. Få system byggs idag med krav på att de ska underhållas av en robot, men det kommer att förändras med tiden.

Jag har besökt webbplatser som fortsätter att upprätthålla tillvägagångssättet med förstärkt verklighet, vilket tyder på att det första skiftet till anslutna digitala tvillingar redan kan ske på ett antal webbplatser. Vi har nu en någorlunda väldefinierad väg till full datacenterautomatisering (det är vad Nvidia har visat). Den här videon från Nvidia visar hur du initialt kan använda metaverse för att ansluta till ett datacenter, och den här talar om att automatisera en hel webbplats. Slutligen visar den här videon vad som kan hända om en administratör hade för mycket tid och för lite tillsyn.

Tja, det sista var ett skämt. Men det visar att i metaversen behöver regler inte gälla, vilket i slutändan öppnar dörren för innovationer vi bara kan föreställa oss.

Copyright © 2022 IDG Communications, Inc.

Dela detta