Chef Robotics bygger robotter til fødevarehåndtering på NVIDIAs Isaac-teknologistak

Chef Robotics annoncerede den 7. oktober 2026, at de bygger deres fødevare-manipulationsrobotsystemer på NVIDIAs robotudviklingsstack, ved at tage NVIDIA Isaac Sim i brug, som er bygget på NVIDIA Omniverse-biblioteker, til simulering og digital‑twin-arbejde, samt NVIDIA cuMotion til GPU‑accelereret bevægelsesplanlægning.

Virksomheden, som beskriver sig selv som den første til at kommercialisere en skalerbar fysisk AI‑fødevare‑robotløsning, sagde, at stacken er beregnet til at accelerere, hvordan de udvikler og implementerer deres robotter, samtidig med at de opretholder pålidelighed i produktionen. Chef Robotics rapporterede også, at kunders implementeringer af deres systemer har opnået op til 60 % højere arbejdskraftproduktivitet.

Ifølge meddelelsen er fødevarer blandt de mest krævende manipulationsmiljøer i den fysiske verden: ingredienser er deformerbare, våde og meget varierende, produktionslinjer kører med høj gennemløbshastighed under kolde, barske forhold, og fødevareproduktion står over for en kronisk arbejdskraftmangel. At konstruere robotsystemer, der fungerer pålideligt under disse betingelser, og få nye implementeringer i gang hurtigt, kræver industriel‑klasse simulering og højtydende bevægelsesplanlægning, siger virksomheden.

Simulation og digitale tvillinger med Isaac Sim

Chef Robotics bruger det åbne Isaac Sim‑rammeværk til at konstruere fysisk nøjagtige digitale tvillinger af deres robotarbejds‑celler og af kundernes produktionslinjer. Nye konfigurationer designes, simuleres og valideres i et virtuelt miljø inden implementering, hvilket gør det muligt for virksomheden at stressteste cellerne mod den store variation af ingredienser, beholdere, redskaber og linje‑layout, som findes i kundernes faciliteter. Virksomheden sagde, at denne tilgang forkorter vejen fra design til en fungerende implementering på fabriksgulvet.

NVIDIA beskriver Isaac Sim som et referencerammeværk med åben kildekode, bygget på Omniverse-biblioteker til robotsimulering, test og generering af syntetiske data i fysisk baserede virtuelle miljøer. Ifølge NVIDIAs udviklerdokumentation indlæser rammeværket filer fra computerstøttet design, modeller i Unified Robot Description Format eller optagelser fra den virkelige verden og konverterer dem til USD. Derefter sammensætter udviklerne scener ved at tildele materialer, aktivere fysik og konfigurere robot- og sensormodeller. Rammeværket understøtter kontrollerbar generering af syntetiske data, som kan suppleres med NVIDIAs Cosmos-grundmodeller for verden, og gør det muligt at træne perceptions- og mobilitetsstakke i simulering og evaluere dem gennem software-in-the-loop- eller hardware-in-the-loop-test. NVIDIA oplyser, at rammeværket er fuldt udvideligt, så udviklere kan bygge tilpassede OpenUSD-baserede simulatorer eller integrere dets funktioner i eksisterende test- og valideringsforløb. Ifølge NVIDIA er Isaac Sim gratis at bruge, licenseret som åben kildekode under Apache 2.0 og tilgængeligt på GitHub.

Bevægelsesplanlægning med cuMotion

Til bevægelsesplanlægning bruger Chef Robotics cuMotion til at generere hurtige, kollisionsfri trajektorier for robotter, der arbejder i uoverskuelige fødevareproduktionsmiljøer med stor produktvariation. Virksomheden sagde, at dette gør det muligt for deres systemer at planlægge og tilpasse bevægelse effektivt på tværs af de mange opgaver, som deres robotter håndterer i produktionen, fra plukning af enkelte stykker og samling ved gentagen placering til koordinerede multi‑robot‑linjer.

NVIDIA beskriver cuMotion som et højtydende bevægelsesgenereringsbibliotek til robotik, primært fokuseret på manipulation, med GPU‑acceleration anvendt gennem hele processen. Dets dokumenterede funktioner omfatter kinematik og invers kinematik, kollisions‑bevidst invers kinematik, kollisions‑bevidst graf‑baseret sti‑planlægning, kollisions‑bevidst trajektorieoptimering og ende‑til‑ende bevægelsesgenerering, reaktiv kontrol via den matematiske RMPflow‑ramme, tids‑optimal trajektoriegenerering for stier i konfigurations‑ eller opgave‑rum, generering af kollisions‑kugler, der tilnærmer et lukket mesh med et sæt kugler, samt robot‑segmentering, der fjerner en robotarms bidrag fra dybdebilledstrømme. Robotter med ethvert antal frihedsgrader understøttes, og biblioteket er implementeret i C++ med et komplet sæt Python‑bindings.

Ifølge projektets repository stammer cuMotion fra to tidligere NVIDIA‑biblioteker: Lula, som i flere år blev udgivet som en del af Isaac Sim og er blevet fuldstændigt indlemmet, og cuRobo, et bibliotek udviklet af NVIDIA Research, hvis algoritmer for kollisions‑bevidst invers kinematik og trajektorieoptimering forekommer i cuMotion i optimerede og forstærkede implementeringer. Repository’en angiver også, at cuMotion snart vil fungere som bevægelsesgenererings‑backend for Isaac ROS cuMotion og de manipulations‑reference‑arbejdsgange i Isaac ROS. Den aktuelle udgivelse leveres til Linux og Windows på x86‑baserede computere med en NVIDIA‑GPU fra Turing‑generationen eller senere, samt til Jetson Orin, Jetson Thor og DGX Spark.

“Mad er et af de sværeste manipulationsproblemer i den fysiske verden, og at løse det kræver både AI i verdensklasse og ingeniørværktøjer i verdensklasse,” sagde Rajat Bhageria, grundlægger og administrerende direktør for Chef Robotics. “At bygge på NVIDIAs robotstack gør, at vores team kan arbejde hurtigere — designe, simulere og validere systemer i et virtuelt miljø og derefter implementere dem med tillid i reelle produktionsfaciliteter.” Bhageria beskrev stacken som en nøglekomponent i, hvordan virksomheden skalerer fysisk AI på tværs af fødevareindustrien.