사전 프로그래밍된 로봇은 예상치 못한 변화에 대처하는 데 어려움을 겪지만, AI 기반 로봇은 시뮬레이션 기반 학습을 사용하여 동적 환경에 적응합니다. 이를 통해 AI 기반 로봇은 탐색 및 조작과 같은 기능을 개선하여 다양한 시나리오에서 더 나은 성능을 발휘할 수 있습니다.

물리 AI 기반 로봇은 동적 환경에서 복잡한 작업을 자율적으로 수행해야 합니다. 배포하기 전에 개발자가 물리 기반 디지털 환경에서 이러한 로봇을 훈련하고 검증할 수 있도록 하는 "시뮬레이션 우선" 접근 방식이 필수적입니다.

로봇이 보다 복잡한 작업을 수행함에 따라 전통적인 프로그래밍 방식으로는 이에 대처할 수 없습니다. 강화 학습(RL)은 시행착오를 통해 가상 환경에서 로봇을 훈련하여 제어, 경로 계획 및 조작 기술을 향상시킴으로써 이러한 격차를 해소합니다.

공장, 창고, 유통 센터, 반도체 팹, 데이터 센터를 포함한 가상 시설은 중공업의 새로운 가능성을 열어줍니다. 이러한 가상 환경을 통해 디지털 공간에서 자산과 프로세스의 설계, 시뮬레이션, 운영, 최적화를 모두 수행할 수 있습니다.