Toyota Material Handling Europe, NVIDIA y SoftServe colaboran
Toyota Material Handling reducirá hasta un 50 % la puesta en marcha de carretillas autónomas con IA.
Toyota Material Handling reducirá hasta un 50 % la puesta en marcha de carretillas autónomas con IA.
Toyota Material Handling Europe, NVIDIA y SoftServe colaboran en el desarrollo de soluciones de inteligencia artificial física basadas en simulación y gemelos digitales para acelerar la implantación de carretillas autónomas. La iniciativa aspira a reducir hasta un 40 % el tiempo de lanzamiento al mercado y hasta un 50 % el esfuerzo de puesta en marcha, al permitir validar el comportamiento de los equipos antes de instalarlos en las instalaciones de los clientes.
El proyecto combina la experiencia de Toyota Material Handling en automatización y filosofía lean con las tecnologías de simulación de NVIDIA y las capacidades de ingeniería digital de SoftServe. El objetivo es detectar y resolver posibles problemas de funcionamiento en un entorno virtual, reduciendo las intervenciones y los ajustes necesarios durante la implantación real.
Gemelos digitales para validar la automatización antes de su implantación
La colaboración utiliza las bibliotecas NVIDIA Omniverse y el entorno de simulación robótica NVIDIA Isaac Sim para crear gemelos digitales de las instalaciones y reproducir las condiciones de trabajo de las carretillas autónomas.
Estas simulaciones permiten comprobar la navegación, la lógica de seguridad y el comportamiento de los vehículos en situaciones específicas de cada cliente, incluidos escenarios complejos o excepcionales. También facilitan la validación de operaciones en almacenes donde las carretillas autónomas deben compartir espacio con personas, equipos manuales y otros vehículos.
Toyota Material Handling integra estas herramientas en sus flujos de desarrollo para adaptar y optimizar las soluciones antes de su puesta en servicio. Por su parte, SoftServe ha diseñado el entorno de gemelo digital que permite aplicar las tecnologías de NVIDIA a los procesos de ingeniería y validación.
Johan Rosén, vicepresidente sénior de Investigación y Desarrollo de Toyota Material Handling Europe, destaca que la puesta en marcha virtual permite identificar problemas antes de la implantación, reducir el desperdicio de recursos y acelerar la generación de valor para los clientes.
Más de un 70 % de mejora en la detección de palés
Uno de los resultados obtenidos hasta ahora se centra en la visión artificial. Para entrenar el sistema de detección de palés mediante cámaras, el proyecto ha utilizado datos sintéticos generados con NVIDIA Omniverse y ampliados con los modelos fundacionales de mundo NVIDIA Cosmos.
Según las compañías, este enfoque ha permitido mejorar más de un 70 % la capacidad de detección de objetos (recall)en los conjuntos de datos de almacenes reales evaluados. Los datos sintéticos permiten ampliar los escenarios utilizados para entrenar y evaluar los sistemas de inteligencia artificial sin depender exclusivamente de imágenes captadas en entornos físicos.
La colaboración también contempla la aplicación de inteligencia artificial a procesos industriales como la inspección de calidad, el mantenimiento predictivo, la optimización de procesos y la gestión energética.
El objetivo: eliminar el desperdicio en las operaciones
La iniciativa se apoya en el concepto japonés muda, empleado en la filosofía lean para identificar actividades que consumen recursos sin aportar valor. Toyota Material Handling busca trasladar este principio a la automatización, anticipando los problemas mediante simulación y reduciendo los ajustes necesarios en las instalaciones de los clientes.
Ernesto Domínguez, presidente y CEO de Toyota Material Handling Europe, señala que la combinación de la experiencia de la compañía en automatización y mejora continua con la plataforma de IA física de NVIDIA y la ingeniería de SoftServe permitirá acelerar la innovación y mejorar la calidad de las soluciones autónomas.
La colaboración refleja el potencial de los gemelos digitales y la inteligencia artificial física para reducir los plazos de desarrollo, mejorar la validación de los equipos y facilitar la integración de sistemas autónomos en operaciones de manutención cada vez más complejas.
