Von: Michael Munsey, Vice President of Semiconductors für Siemens Digital Industries Software
Eine neue Generation von humanoiden Robotern bewegt sich vom Science-Fiction-Bereich hin zur Fabrikhalle, angetrieben durch Fortschritte bei Halbleitern und künstlicher Intelligenz (KI). Für Original Equipment Manufacturers (OEMs) besteht die Chance jedoch nicht nur darin, Maschinen zu bauen, die sehen, fühlen und wahrnehmen können; es geht darum, komplexe, softwaredefinierte Systeme zu entwickeln, die zuverlässig handeln und sich in realen Umgebungen im Laufe der Zeit verbessern.
Ihre Wirksamkeit als kollaborative Werkzeuge am Arbeitsplatz wird von mehr als nur physischer Geschicklichkeit abhängen. Humanoide benötigen leistungsstarke, halbleiterbasierte Rechenplattformen, die komplexe, Echtzeit-Workloads verarbeiten, Software- und Hardware-Entscheidungen koordinieren und sicheres Verhalten in dynamischen Umgebungen unterstützen. Die erfolgreiche Integration von Humanoiden wird von leistungsfähigen Computerarchitekturen abhängen, die es Robotern ermöglichen, sich an wechselnde Umgebungen anzupassen und eine Vielzahl von Aufgaben auszuführen, während sichere Arbeitsbedingungen erhalten bleiben.
Der Höhepunkt softwaredefinierter Systeme
Für Hersteller bedeutet dies einen wichtigen Wandel. Humanoide sind nicht einfach nur eine weitere Roboterklasse; sie stellen einen Konvergenzpunkt mehrerer Domänen dar, von softwaredefinierten Produkten und KI bis hin zu fortschrittlichem Halbleiterdesign und vernetzter Automation. Die Bewältigung dieser Komplexität erfordert einen digitalen Thread, der Entscheidungen über Disziplinen hinweg verbindet, von der Chip-Architektur über die fertige Maschine bis hin zur eingesetzten Flotte.
Ein Großteil der Aufmerksamkeit für Humanoide konzentriert sich auf ihr Formfaktor. Ihr menschenzentriertes Design ist wichtig, weil viele Umgebungen um die Größe, Reichweite und Bewegung des Menschen herum gebaut wurden. Dadurch können Organisationen Humanoide mit minimalen Störungen in bestehende Arbeitsplätze einführen.
Der Formfaktor ist jedoch nur die halbe Wahrheit. Humanoide Intelligenz und Anpassungsfähigkeit, vollständig durch KI ermöglicht, unterscheiden sie von anderen automatisierten Fahrzeugsystemen oder autonomen mobilen Robotern. Humanoide sind grundlegend softwaredefinierte Produkte, die durch die Konvergenz von Hardware- und Software-Fortschritten ermöglicht werden. Zusätzlich haben Verbesserungen bei der Batterieleffizienz, der Halbleiter-Performance und den KI-Fähigkeiten ein Niveau erreicht, bei dem humanoide Systeme praktisch und skalierbar sind.
Neuere Fortschritte bei Bildsensoren, Wahrnehmungsmodellen und Steuerungssystemen haben Maschinen geholfen, mehr von ihrer Umgebung zu erkennen. Physische KI geht noch weiter, indem sie Wahrnehmung, Sensor-Feedback und Bewegungsplanung verbindet, sodass Roboter mit realen Umgebungen interagieren können. Für Humanoide ist Intelligenz nicht nur auf die Objekterkennung beschränkt; sie muss sich darauf erstrecken, sicher im Kontext zu entscheiden, wie zu reagieren ist. Angetrieben von physischer KI könnten Humanoide schließlich in Altanlagen arbeiten und verschiedene Aufgabentypen erfolgreich erledigen. Diese Flexibilität hängt jedoch von fortlaufendem Training und Validierung ab. Statt einmal für eine feste Aufgabe programmiert zu werden, lernen zukünftige Humanoide aus simulierten und realen Erfahrungen, wobei jedes Update vor breiterer Bereitstellung gegen Sicherheits- und Zuverlässigkeitsanforderungen getestet wird.
Ähnlich wie menschliche Arbeiter müssen Humanoide auf die Umgebungen, in denen sie eingesetzt werden, vorbereitet sein. Die Herausforderung besteht darin, dass die meisten menschenzentrierten Umgebungen selten statisch sind. Hier kommt KI ins Spiel, um Humanoiden zu helfen, neue Szenarien durch Generalisierung aus früheren Erfahrungen zu bewältigen. Durch den Einsatz von KI zum Training von Humanoiden können Unternehmen sicherstellen, dass ihre Roboter vielfältige Aufgaben bewältigen und in unvorhersehbaren Umgebungen kontinuierlich lernen. Dieses Maß an Anpassungsfähigkeit ist nur durch Halbleiter möglich. Halbleiter liefern die Rechenbasis, die mehrere Sensor-Datenströme in Echtzeit verarbeiten und gleichzeitig Motor-Feedback koordinieren kann. Physische KI fügt den Humanoiden eine weitere Ebene rechnerischer Komplexität hinzu. Die Rechenarchitektur muss nicht nur Schlussfolgerungen und Entscheidungen verarbeiten, sondern auch konstante Sensor-Datenströme und Motor-Kontroll-Feedback, was hochintegrierte Hardware- und Software-Architekturen erfordert, die mehrere Systeme gleichzeitig und in Echtzeit koordinieren.
Das Nervensystem des Humanoiden entwickeln
Neben der Ermöglichung komplexer Rechenleistung müssen humanoide Halbleiter zuverlässig in anspruchsvollen Umgebungen arbeiten. Fabrikböden, Rechenzentren und Orte mit hoher elektrischer Störung können Wärme und Interferenzen erzeugen, die das Verhalten der Humanoiden beeinflussen. Da immer mehr Software- und KI-Workloads auf Prozessoren laufen, wird Kühlung zu einer immer wichtigeren Design-Beschränkung und bleibt die primäre Begrenzung der Halbleiter-Leistung. Einige Unternehmen haben bereits einzigartige Verpackungstechniken mit vielversprechenden Ergebnissen eingesetzt, die Workloads effizienter über verschiedene Silizium-Typen verteilen, um Wärme zu reduzieren. Beispielsweise kombinieren heterogene integrierte Schaltkreise (ICs) mehrere Chips in einem einzigen Gehäuse und stapeln sie. Diese Chips trennen Aufgaben nach ihrer Rechenintensität und führen weniger intensive Prozesse auf langsameren Silizium-Stücken aus; dadurch sinkt die Temperatur dieser Teile, was zu einem insgesamt niedrigeren Temperaturprofil des gesamten Pakets führt. Eine effiziente Halbleiter-Operation geht über die Gewährleistung effizienter Abläufe hinaus. Sie ist auch entscheidend für die Sicherheit von menschlichen Arbeitskräften. Humanoide benötigen genügend Rechenleistung, um Entscheidungen in Bruchteilen einer Sekunde zu treffen, etwa die Fähigkeit, sofort von einer Aufgabe zum Ausweichen einer Kollision oder zum Schutz einer nahen Person zu wechseln. Dies erfordert eine Software- und Prozess-Architektur, die schnelle Entscheidungsfindung unterstützt, um diese raschen Prioritätswechsel ohne Zögern zu ermöglichen.
Hier wird der digitale Thread unverzichtbar. Jede Entscheidung über Software-Verhalten, mechanisches Design, Sicherheitslogik und Fertigungs-Readiness wirkt sich auf die Halbleiter-Architektur aus. Die Verbindung dieser Entscheidungen über den gesamten Lebenszyklus hinweg hilft Engineering-Teams, die Komplexität zu managen und vom Konzept bis zur Bereitstellung mit größerem Vertrauen voranzukommen.
Ingenieure müssen Umweltbedingungen bereits früh im Halbleiter-Designprozess berücksichtigen, um Zuverlässigkeit zu verbessern und Leistungsprobleme zu umgehen. Ein umfassender Digital Twin ermöglicht es Ingenieuren, das gesamte Humanoid-System zu modellieren und zu validieren, bevor physische Hardware gebaut wird. Ingenieure können Trade-Studies durchführen, Anforderungen zuweisen und Software-/Hardware-Entscheidungen früh in der Entwicklung evaluieren. Teams können Software kontinuierlich gegen virtuelle Hardware testen, die thermische Leistung des Chips analysieren, den Energieverbrauch prüfen und Sicherheitsanforderungen während der gesamten Entwicklung verifizieren. Darüber hinaus kann der Digital Twin den Lernprozess des Roboters nach der Bereitstellung unterstützen. Wenn Humanoide Software-Updates und KI-gesteuerte Verbesserungen erhalten, können Ingenieure diese Änderungen virtuell validieren, bevor sie in den physischen Betrieb eingeführt werden. Im Laufe der Zeit könnten validierte Verbesserungen über eine Flotte hinweg geteilt werden, wodurch ein Feedback-Loop zwischen Simulation und realer Leistung entsteht. Dieser Loop ist das, was softwaredefinierte Systeme kraftvoll macht: Sie können sich im Laufe der Zeit verbessern, während die Governance für den breiten Einsatz erhalten bleibt.
Das Halbleiter-Fundament für skalierbare Humanoide
Halbleiter sind das Fundament, das Humanoide auf industriellem Maßstab praktisch macht. Im Kern sind Humanoide softwaredefinierte Systeme, deren Fähigkeiten hauptsächlich aus der Integration von Software, Elektronik und Mechanik stammen, nicht allein aus mechanischer Hardware. Ohne fortgesetzte Fortschritte in der Halbleitertechnologie wären humanoide Roboter nicht machbar. Mit dem richtigen digitalen Engineering-Ansatz können sie jedoch vom Pilot- zum Produktionsstadium übergehen. Durch Fortschritte bei Halbleitern und physischer KI, kombiniert mit KI-gestützten Upgrades und dem umfassenden Digital Twin, stellen wir uns bei Siemens Humanoide vor, die im Laufe der Zeit zunehmend intelligenter, sicherer und leistungsfähiger werden. Die Unternehmen, die Erfolg haben, werden jene sein, die Humanoide nicht als eigenständige Maschinen, sondern als komplexe Industriesysteme behandeln.
Mehr über Halbleiter und das humanoide Nervensystem finden Sie im Industry Forward Podcast: Inside humanoid robotics: software and semiconductors – Siemens Software Podcast Network.
Um zu erfahren, wie Siemens den Digital Twin nutzt, um unseren Partnern zu helfen, ihre nächste Flotte von humanoiden Robotern zu entwerfen und einzusetzen, klicken Sie hier.
Über den Autor:
Michael Munsey ist der Vice President of Semiconductors für Siemens Digital Industries Software. In dieser Rolle ist Munsey verantwortlich für die strategische Ausrichtung des Unternehmens mit Fokus darauf, Kunden zu helfen, beispielloses Wachstum und Innovation in den Halbleiter- und Elektronikbranchen durch digitale Transformation zu erzielen.
Bevor er 2021 zu Siemens kam, verbrachte Munsey seine Karriere in immer verantwortungsvolleren Positionen in der Halbleiter- und Elektronikindustrie, wo er alles von der Leitung funktionsübergreifender Teams zur Produktentwicklung bis hin zur Geschäftsentwicklung in neuen Regionen und der Festlegung der Unternehmensstrategie erledigte. Er begann seine Laufbahn vor über 35 Jahren als Designer bei IBM und hat den Unterschied gemacht bei Produkten, die heute auf zwei Planeten im Einsatz sind: Erde und Mars, letzterer dank seiner Arbeit am Mars-Rover.
Munsey hat einen BSEE in Electrical and Electronics Engineering von der Tufts University.
Sponsored content by Siemens Digital Industries Software
The post Semiconductors and the humanoid nervous system appeared first on Engineering.com.