NVIDIA en Foxconn gebruiken robots om GB300 te assembleren, doel 99,5 % succesratio

Op 4 oktober 2026 meldde Tech News dat NVIDIA en Foxconn momenteel robots inzetten om het assemblageproces van de Grace Blackwell GB300 testtray te testen. Beide bedrijven streven ernaar de succesratio van kritieke assemblagetaken te verhogen tot meer dan 99,5 %. Deze samenwerking richt zich specifiek op het gebruik van geavanceerde robotica om de nauwkeurigheid en betrouwbaarheid van de assemblage te verbeteren, met als einddoel een uitzonderlijk hoog slagingspercentage dat de huidige industriestandaarden overstijgt.

Ontwikkelingsachtergrond en Doelstellingen

Het robotlaboratorium van NVIDIA in Seattle, samen met het Isaac‑engineerteam, is recentelijk een samenwerking aangegaan met de contractfabrikant van de GB300, Foxconn. De focus ligt op het ontwikkelen van automatiseringstechnieken die zowel een hoge precisie als een langdurige operationele stabiliteit kunnen garanderen. Samen hebben de partijen een productielimiet vastgesteld: een minimale succesratio van 99,5 %, geen botsingen met de tray, een maximale montage‑tijd voor de bus van 124 seconden en een maximale insteektijd voor de connectoren van 72 seconden.

De kern van deze samenwerking bestaat uit het combineren van NVIDIA’s Isaac Lab‑platform voor versterkt leren met de productie‑infrastructuur van Foxconn. Door deze twee sterke punten te integreren, willen ze een robotsysteem creëren dat zelfs onder variabele omstandigheden een hoge stabiliteit en consistentie kan behouden, waardoor de assemblage van complexe componenten betrouwbaarder wordt.

Robotassemblageproces en Huidige Status

De assemblagetaken voor de GB300 testtray zijn opgedeeld in twee hoofdonderdelen. Het eerste onderdeel omvat het plaatsen van een lange en zware bus, waarna een robotarm 16 schroeven moet aandraaien om de bus vast te zetten. Het tweede onderdeel bestaat uit het inbrengen van vier sets high‑tolerance connectoren, twee groot en twee klein. Deze twee taken stellen strenge eisen aan de positioneringsprecisie, krachtregeling en sensorgegevens van de robot, omdat elke afwijking de uiteindelijke productkwaliteit kan beïnvloeden.

Tot nu toe heeft de plaatsing van de bus en het aandraaien van de schroeven een succesratio van meer dan 95 % behaald. De volledige assemblagelijn – inclusief zowel de bus als de connectoren – heeft een gemiddelde doorlooptijd van ongeveer 160 seconden, wat nog niet voldoet aan de gestelde tijdslimieten van 124 seconden voor de bus en 72 seconden voor de connectoren.

De inbreng van de connectoren maakt gebruik van Isaac Lab’s versterkt‑leer‑algoritmen, echte productiedata en op maat gemaakte grijpers. De robot leert in een gesimuleerde omgeving verschillende inbrengstrategieën en past deze vervolgens continu aan tijdens fysieke tests, met als doel de fouttolerantie bij het hanteren van high‑tolerance connectoren te vergroten.

Toekomstig Massaproductiepad en Uitdagingen

Beide partijen benadrukken dat de huidige testfase slechts een indicatie is van de ontwikkelingsvoortgang en nog geen garantie biedt voor directe massaproductie. De belangrijkste toekomstige uitdagingen omvatten het verhogen van de succesratio voor de busmontage tot boven de 99,5 %, het verkorten van de totale doorlooptijd tot de gestelde 124 seconden voor de bus en 72 seconden voor de connectoren, en het waarborgen dat de robot gedurende lange operationele periodes geen tray‑botsingen veroorzaakt.

Om deze uitdagingen te overwinnen, plant NVIDIA de voortdurende uitbreiding van de trainingsdatabank van Isaac Lab en werkt samen met Foxconn aan de optimalisatie van de hardware‑structuur en sensorgeometrie van de robotarm. Foxconn zal op haar beurt meer testmonsters van de productielijn leveren om de consistentie van de robotprestaties over verschillende productbatches te verifiëren.

De huidige testresultaten tonen aan dat de robot onder hoge belasting en bij high‑tolerance componenten al een aanzienlijke stabiliteit heeft bereikt. Toch is er nog vooruitgang nodig op het gebied van precisie‑kalibratie en dynamische obstakelvermijding voordat de gestelde 99,5 % succesratio kan worden gehaald.

Samenvattend heeft de samenwerking tussen NVIDIA en Foxconn aanzienlijke vooruitgang geboekt in de robot‑gebaseerde assemblage van de GB300 testtray, met name op het gebied van geautomatiseerde bus- en connectorverwerking. Als de resterende tijd‑ en succesratio‑obstakels worden overwonnen, kan dit een volledig nieuwe automatiseringsoplossing bieden voor de massaproductie van high‑end servers en AI‑versnellingskaarten.

Momenteel versnellen beide bedrijven de verificatie‑ en optimalisatiefase, met de verwachting dat alle gestelde limieten binnen enkele maanden zullen worden gevalideerd. Zodra deze mijlpalen zijn bereikt, zal een grondige beoordeling van de haalbaarheid en planning voor volledige productie volgen.