NVIDIA 研發機器人組裝 GB300 測試盤，實測發現傳統模組化控制比端到端學習更有效

NVIDIA 西雅圖機器人實驗室（SRL）與 Isaac 工程團隊合作，研發能自動組裝 Grace Blackwell GB300 測試盤的機器人系統。根據 NVIDIA 營運團隊與代工廠富士康的建議，任務聚焦於匯流排（busbar）組裝與多接頭插拔，並要求達到 99.5% 的成功率、耗時不得超過熟練工人的兩倍（124 秒內），且不允許與測試盤發生任何意外碰撞。團隊指出，由於 GB300 設計週期快且產量低，無法採用傳統固定式自動化，必須依賴能適應零件幾何與線材變形等不確定性的「彈性自動化」。在技術策略上，團隊針對匯流排組裝任務首先導入包含感知、規劃與控制的傳統模組化流程，原預期後續需轉向端到端學習（end-to-end learning），但實測發現傳統方法已具備極高成效且易於除錯，無需轉換架構。