BMW的建筑汽车涉及从超过4,500个供应商网站的流入工厂的数百万件。增加BMW集团工厂物流挑战的一个因素是公司提供的定制性。平均可提供100种不同的选项，这转化为每位客户的99％的客户订单。
“最终，可能配置的庞大数量成为宝马集团生产在三个基本领域 - 计算，物流规划和数据分析中的挑战，”宝马集团后勤高级副总裁JürgenMaidl说。
Nvidia Isaac机器人平台与机器人同步。为了更好地处理其工厂内的物流，BMW现在使用四种类型的材料处理机器人和智能运输机器人。这些机器人是使用NVIDIA的ISAAC机器人平台开发的。
据nvidia.，该公司的Isaac软件开发工具包为这些机器人提供了神经网络，能够“定位感知、分割和人类姿态估计，以感知环境、检测物体、自主导航和移动物体。”这些机器人使用Nvidia图形处理单元(gpu)在真实数据和合成数据上进行训练，在各种光照和遮挡条件下渲染光线追踪的机器部件，以增强真实数据。”
宝马的汉斯·胡贝尔Hanns Huber与BMW集团的通信生产网络，解释了五种不同类型的机器人，该公司配备了NVIDIA的技术支持工厂物流生产运营。
他说，零部件运到工厂后，会以各种尺寸的集装箱运输到装配线上。固定的SplitBots从进货区的托盘上取下整盒的塑料盒子，并将它们放在一个传送带系统上，然后将盒子运送到仓库。SplitBot还确保容器正确排列以实现自动存储。利用英伟达的人工智能(AI)， SplitBot可以检测和处理多达450个不同的容器。
移动PlaceBots从拖曳火车上卸下货物，将装满货物的箱子放在架子上。这些机器人使用英伟达的图像识别系统对小型载重机器人进行分类，并根据传感器、摄像头和人工智能的综合输入确定理想抓地点。这些技术允许PlaceBots在预定区域内自主移动。
PickBot是另一个物流机器人，它有一个机械手臂，用来从供应架上收集各种小部件。和SplitBots一样，PickBot使用英伟达的人工智能技术来计算正确的抓握点。
Sortbot的机器人操作臂拿着空盒子，并将它们放在调色板上要发送回供应商区域。这些排序在串联生产中部署到托盘上的空容器，然后再进入循环。
宝马的自主智能交通机器人(STRs)可以识别障碍物，如叉车和人，以便在需要时更准确、更迅速地提出替代路线。他们还可以从环境中学习，并对人和物体做出不同的反应。
Huber注意到，在过去的五年里，所有这些机器人都是由BMW开发的，大多数是自2019年以来的宝马工厂部署和测试。“在德国各种宝马工厂的开发过程中，机器人在我们的开发过程中进行了试验，以及我们在慕尼黑的物流实验室，“他解释道。
STR是宝马物流创新团队与多特蒙德Fraunhofer Institute合作开发的。”Huber补充道。
STR机器人在宝马工厂。宝马与英伟达在这个项目上的合作始于2019年。“宝马集团的一个工程师团队致力于将英伟达的技术应用到机器人上，”Huber说。“完全的实施是在宝马内部完成的。双方的两个团队——宝马集团和英伟达——密切合作，定制并采用合适的解决方案。2020年5月，我们在慕尼黑的物流实验室部署了首个采用英伟达技术的STR作为技术验证。”第一次生产测试预计将于2020年第四季度或2021年初投入使用。
英伟达指出，在测试这些机器人时生成的真实和合成数据，被用于在英伟达的DGX人工智能基础设施开发系统上训练深度神经网络。然后，这些机器人在英伟达的Isaac Sim模拟器中进行持续测试，该模拟器用于导航和操作开发，运行在英伟达的Omniverse平台上，在该平台上，来自不同地区的多名宝马集团员工可以在一个模拟环境中工作。
Huber表示，将NVIDIA的AI技术纳入宝马的机器人允许BMW“优化我们的机器人和材料流程，以及将模拟在规划过程中拍摄到一个新的水平”。“
