详细内容或原文请订阅后点击阅览
NVIDIA 研究解锁高级抓取、更智能的自动驾驶和大规模代理训练
机器人抓手的有用之处不是它可以拾取一个物体，而是它可以使用以前从未握住过的工具拾取下一个物体，以及再下一个物体。自动驾驶汽车系统的安全性不仅仅在于它能够对情况进行推理，还在于 [...]
来源:NVIDIA 博客 _机器人技术机器人抓手的有用之处不是它可以拾取一个物体，而是它可以使用以前从未握住过的工具拾取下一个物体，以及再下一个物体。
自动驾驶汽车系统之所以安全，不仅在于它能够推理出某种情况，还在于它能够足够快地对实际安装在汽车中的硬件进行推理。
虚拟代理的能力在于在面对现实世界之前尽可能多地接触不同的环境。
在今年的计算机视觉和模式识别 (CVPR) 会议上，NVIDIA Research 展示了三篇论文，分别解决了这些挑战，并有一个共同的主题：大规模训练创建可跨不同应用程序泛化的系统。
这三篇论文涵盖了物理人工智能研究中的不同挑战：
NVIDIA 还在 CVPR 上推出了新的物理 AI 代理技能，可帮助研究人员和开发人员加快自动驾驶车辆、机器人和视觉 AI 系统的开发。
第一个抓取基础模型
大多数用于机器人抓取的人工智能系统都是专业的。
GraspGen-X 是第一个为消除这一瓶颈而构建的抓取基础模型。
为了实现这一目标，研究人员需要一个在现实世界中不可能大规模收集的数据集。他们在数千种物体形状和合成夹具配置中生成了 20 亿次模拟抓取，涵盖了部署的机器人可能遇到的各种形状因素。