加速大規模機器人策略訓練：以 Kiro、Trainium 與 EKS 為基礎的自動化閉環架構

場次筆記

AI 驅動機器人技術指南

• 目標與效益概述：整合可擴充的機器人
• 1：使用 NVIDIA Isaac Sim 執行以物理為基礎的
• 2：使用 Amazon EC2/EKS 與 Amazon Batch 進行可擴充的平行執行
• 3：Amazon Bedrock 基礎模型，以及透過 MCP server 提供用於 AI 的 agent
• 4：Hugging Face LeRobot（LeRobot 旨在於 PyTorch 中提供真實世界機器人技術所需的模型、資料集與工具。其目標是降低進入機器人領域的門檻。）
• 5：成果：平行模擬
• 結合 NVIDIA Isaac Sim、Amazon 運算服務、Bedrock 模型與 MCP agent 的雲端原生資料管線；其重要性與影響
• 更快速的訓練、可擴充的機器人叢集、即時推理與持續
• 大幅降低
• 實現平行
• 支援即時
• 持續
• 成果：迭代式；適用的目標產業
• 在這些領域中，模擬驅動訓練可提供更安全、更快速且量身打造的
• 製造自動化：更安全地投入運作並降低
• 倉儲、物流與機器人技術
• 零售與配送：高效率
• 醫療照護輔助機器人：為病患提供更安全的
• 農業與環境機器人
• Amazon Professional Services 的 Delivery Agent
• 涵蓋整個顧問服務週期的完整 agent 系統；企業級品質與安全性
• 多層驗證可減輕 AI 幻覺
• 安全且由客戶控管的環境
• 在策略檢查點由人工監督
• 完整的安全控制與協定

AWS Professional Services（ProServe）agent

• 與 AWS Professional Services（ProServe）agent 相關、用於軟體開發與交付的多 agent AI 系統架構。各 agent 彼此互動，以建立及管理軟體解決方案。
• Sales Agent：起點，透過將需求或資訊送入工作流程來啟動程序。
• Delivery Agent：中央協調者，負責分析需求、直接建置 AI 應用程式，並將工作委派給其他 agent，以協調專業工作。
• Project Artifacts：由初始輸入產生的輸出，可能是文件或初步計畫，供 Design Agent 使用。
• Design Agent：接收「Project Artifacts」並產生「Spec Package」。它也可將「Feedback」回傳給 Delivery Agent 或「Project Artifacts」步驟。
• Spec Package：Design Agent 的輸出，其中包含建置程序的規格。
• Build Agent：使用「Spec Package」（由內部機制「Autopilot」引導）產生「Coding Artifacts」。
• Coding Artifacts：Build Agent 工作所產生的程式碼或應用程式元件。
• AWS Transform 上的自訂 agent：與主要流程整合的另一個獨立且相連的程序。
• Security Agent：架構中的常駐層，負責在整個程序中監控或強制執行安全政策。
• Amazon Cloud stage/dev：代表部署或管理最終產出成品的 AWS 環境（預備與開發）。
• Coding Artifacts 會傳送至「dev」環境。
• 「stage」環境似乎是「Custom agents」程序的輸出或端點。
• 此系統使用智慧 agent，有望自動化並加速軟體開發生命週期，提升效率與品質。