NVIDIA Seattle Robotics Lab (SRL) และทีมวิศวกรรม Isaac ร่วมกันโชว์ผลงานการใช้หุ่นยนต์แก้ปัญหาความซับซ้อนในการประกอบถาดทดสอบชิป GB300 ซึ่งเป็นงานที่ต้องใช้ความละเอียดอ่อนสูงในระดับที่มนุษย์ทำได้ยาก การทดลองมุ่งเน้นไปที่สองงานหลักคือ การประกอบ Busbar และการเสียบหัวต่อสายไฟ (Multi-connector insertion) ซึ่งมีความท้าทายจากความไม่แน่นอนของรูปทรงชิ้นงานและการคืนตัวของสายไฟ
ความสำเร็จนี้เกิดจากการใช้ระบบ Modular Pipeline ที่ใช้ FoundationPose ในการรับรู้ตำแหน่ง, การใช้เทคนิค Deep Object Pose Estimation Revisited (DOPER) สำหรับชิ้นส่วนขนาดเล็ก และการฝึกฝนหุ่นยนต์ผ่านระบบ Isaac Lab ด้วยเทคนิค Sim-to-real Reinforcement Learning นอกจากนี้ยังมีการใช้ระบบ TALOS เพื่อช่วยในการบริหารจัดการคำสั่งและการควบคุมหุ่นยนต์ข้ามแพลตฟอร์ม ทำให้ระบบมีความยืดหยุ่นสูงกว่าระบบอัตโนมัติแบบเดิมในโรงงานทั่วไป
