当前位置:商业频道首页 > 头条推荐 > 正文

黄仁勋,拐点出现(38)

利用基于英伟达Omniverse和Cosmos构建的蓝图,开发者可以生成海量多样化的合成数据,用于训练机器人的策略。

首先,在Omniverse中,开发者根据不同的领域、机器人和任务,整合真实世界的传感器数据或演示数据。然后利用Omniverse对Cosmos进行条件处理,将原始采集数据扩增为海量逼真且多样化的数据。开发者使用IsaacLab利用增强的数据集对机器人策略进行后期训练。并通过模仿学习克隆行为,或通过试错法以及强化学习AI反馈,让机器人学习新技能。实验室练习与真实世界有所不同。新策略需要进行现场测试。开发者使用Omniverse进行软件和硬件在环测试,在具有真实世界环境动态、领域随机化、物理反馈和高保真传感器模拟的数字孪生体中模拟策略。

真实世界的操作需要多个机器人协同工作。Mega,一个Omniverse蓝图,允许开发者大规模测试经过后期训练的机器人策略集群。在此,富士康在一个虚拟的英伟达Blackwell生产工厂中测试异构机器人。当机器人大脑执行其任务时,它们通过传感器模拟感知其行动的结果,然后规划下一个行动。Mega允许开发者测试许多机器人策略,使机器人能够作为一个系统工作,无论是空间推理、导航、移动性还是灵巧性方面。

令人惊奇的事物诞生于模拟之中。今天,我们推出 NVIDIA Isaac Groot N1。Groot N1 是一个用于人形机器人的通才基础模型。它建立在合成数据生成和模拟学习的基础之上。Groot N1 采用了一种双系统架构,用于快速和慢速思考,其灵感来自于人类认知处理的原理。慢速思考系统允许机器人感知和推理其环境和指令,并规划正确的行动。快速思考系统将计划转化为精确且连续的机器人动作。Groot N1 的泛化能力使机器人能够轻松地操纵常见物体并协同执行多步骤序列。通过完整的合成数据生成和机器人学习流程,人形机器人开发者可以对Groot N1进行跨多种形态、任务和环境的后期训练。

热点推送

本周关注

MORE