„NVIDIA“ išskiria „Fizinės AI“ debesies iki roboto skaičiavimo platformas, humanoidinę plėtrą

„Computex Today“ Taipėjuje, Taivane, „Nvidia Corp.“ paskelbė „Isaac GR00T N1.5“ – pirmąjį savo atviro, apibendrinto, pritaikomo humanoidinių robotų pagrindimo ir įgūdžių pagrindų modelį. Kalifornijoje įsikūrusi „Santa Clara“ įmonė taip pat pristatė „Isaac GR00T-Dreams“-sintetinių judesių duomenų generavimo projektą, taip pat „Nvidia Blackwell Systems“, siekiant pagreitinti humanoidinę plėtrą.

„Fizinė AI ir robotika sukels kitą pramonės revoliuciją“, – teigė Jensenas Huangas, „Nvidia“ įkūrėjas ir generalinis direktorius. „Nuo AI smegenų, skirtų robotams iki modeliuojamų pasaulių, kad būtų galima treniruotis ar superkompiuteriuose,„ Nvidia “,„ Nvidia “teikia statybinius blokus kiekvienam robotikos kūrimo kelionės etapui.“

Humanoidų ir kitų robotikos kūrėjų judrumo robotika, Bostono dinamika, Furjė, „FoxLink“, „Galbot“, „Mentee Robotics“, „Neura Robotics“, „General Robotics“, „Skild AI“ ir „XPENG“ robotika priima „NVIDIA ISAAC“ platformos technologijas, kad būtų galima skatinti humanoidų robotų kūrimą ir diegimą.

„Fizinė AI yra kita PG banga“, – sakė Rev Lebaredian, „Omniverse“ ir „Modeliavimo technologijos“ viceprezidentas Nvidijoje. „Fizinė AI supranta fizikos įstatymus ir gali generuoti veiksmus, pagrįstus jutiklių įvedimais. Fizinė AI įkūnys tris pagrindinius robotų tipus, tokius įrenginius, kaip mūsų Taivano partnerių gamyklos ir sandėliai, transporto robotai, (pramoniniai) robotai, humanoidai, manipuliatoriai ir AMRS (autonominiai mobilieji robotai)“.

„NVIDIA ISAAC GR00T“ duomenų generavimo projektas uždaro duomenų spragą

Savo „Computex“ pagrindiniame pranešime Huangas teigė, kad ISAAC GR00T-DREAMS gali padėti generuoti didžiulį sintetinio judesio duomenų kiekį. Fiziniai PG kūrėjai gali naudoti šias nervų trajektorijas mokydami robotų naujo elgesio, įskaitant tai, kaip prisitaikyti prie besikeičiančios aplinkos.

Kūrėjai pirmiausia gali savo robotų „Cosmos“ prognozuoti „Cosmos“ „Cosmos“ prognozuoti „World Foundation“ modelius (WFM). Tada, naudodamas vieną vaizdą kaip įvestį, GR00T-DREAMS generuoja roboto vaizdo įrašus, atliekančius naujas užduotis naujose aplinkose.

Tada projektas ištraukia veiksmo žetonus – suspaustus, virškinamus duomenų elementus – kurie naudojami robotams mokyti, kaip atlikti šias naujas užduotis, sakė NVIDIA. „GR00T-Deams“ projektas papildo ISAAC GR00T-Mimic Blueprint, kuris buvo išleistas kovo mėn. GTC konferencijoje.

Nors „GR00T-Mimic“ naudoja „NVIDIA Omniverse“ ir „Cosmos“ platformas, kad padidintų esamus duomenis, GR00T-Dreams naudoja „Cosmos“, kad sugeneruotų visiškai naujus duomenis.

Dabar priimate sesijos pateikimus!

Nauji modeliai skatina humanoidinę plėtrą

„NVIDIA Research“ panaudojo GR00T-Deams projektą, kad būtų generuojami sintetiniai mokymo duomenys, kad būtų sukurta GR00T N1.5-atnaujinimas Gr00T N1-vos per 36 valandas. Palyginimui, ji teigė, kad rankinis duomenų duomenų rinkimas būtų užtruks beveik tris mėnesius.

Bendrovė tvirtino, kad GR00T N1.5 gali geriau prisitaikyti prie naujų aplinkų ir darbo vietos konfigūracijų, taip pat atpažinti objektus naudodamiesi vartotojo instrukcijomis. Jis teigė, kad šis atnaujinimas žymiai pagerina modelio sėkmės procentą atliekant įprastų medžiagų tvarkymo ir gamybos užduotis, tokias kaip daiktų rūšiavimas ar atidėjimas.

GR00T N1.5 galima įdiegti „NVIDIA Jetson Thor“ roboto kompiuteryje, paleidžiant vėliau šiais metais.

„GR00T N1.5 buvo išmokytas sintetinių duomenų, kuriuos sukūrė naujoji grupė„ Dreams “,„ Blueprint “, – aiškino Lebaredianas. “Didžiausias iššūkis kuriant robotus yra duomenų spraga. LLM (didelės kalbos modelio) kūrėjams lengva mokyti modelius, nes yra daugybė duomenų. Tačiau robotai turi mokytis dėl realaus pasaulio duomenų, kurie yra brangūs ir daug laiko, kad būtų galima užfiksuoti.”

“Taigi, užuot rankiniu būdu užfiksuotas, kodėl mes neleidžiame robotų svajoti duomenis?” Jis pridūrė. „„ Group Dreams “yra sintetinio duomenų generavimo projektas, sukurtas ant„ Nvidia Cosmos “, atviro pasaulio fondo modelio, kuris netrukus pasirodys apkabinantis veidą. Pirmiausia, kūrėjai po treniruotės„ Cosmos “prognozuoja teleoperacijos duomenis, užfiksuotus atliekant vieną roboto užduotį, pavyzdžiui, pasirinkimą ir vietą, vienoje aplinkoje“.

„Po to, kai mokėsi, kūrėjai gali naudoti vieną vaizdą ir naujus raginimus svajonėms generuoti, originalaus įvaizdžio ateitį“,-tęsė Lebaredianas. „Kūrėjai gali paraginti pasiimti įvairius elementus, tokius kaip čia esanti„ Apple “, arba čia esanti skardinė. Tada svajonės yra vertinamos ir filtruojamos„ Cosmos Prie “, nauju fizinio AI pagrįstumo modeliu, automatiškai pažymėtu veiksmo ir trajektorijos duomenimis.“

Ankstyvieji GR00T N modelių įvaikintojai yra „Aeirobot“, „FoxLink“, „Lightwheel“ ir „Neura Robotics“. „Aeirobot“ naudoja modelį, kad ALICE4 galėtų suprasti natūralias kalbos instrukcijas ir vykdyti sudėtingas pasirinkimo ir vietos darbo eigas pramoninėse aplinkose.

„FoxLink Group“ ją naudoja siekdama pagerinti pramoninio robotų manipuliatoriaus lankstumą ir efektyvumą, o „Lightwheel“ jį panaudoja, kad patvirtintų sintetinius duomenis, kad būtų galima greitesnio humanoidinio robotų diegimo gamyklose. „Neura“ robotika vertina modelį, kad paspartintų jo namų ūkių automatizavimo sistemų plėtrą.

https://www.youtube.com/watch?v=ge7vdgr_j1g

Modeliavimas ir duomenų generavimo rėmai greičio robotų treniruotės

Norint sukurti aukštos kvalifikacijos humanoidinius robotus, reikia daug įvairių duomenų, kurie brangiai kainuoja užfiksuoti ir apdoroti, pažymėta NVIDIA. Robotus reikia išbandyti fiziniame pasaulyje, o tai gali sukelti išlaidų ir rizikos.

Norėdami padėti uždaryti duomenis ir testavimo spragą, NVIDIA atskleidė šias modeliavimo technologijas:

• „Nvidia Cosmos“ priežastisnaujas WFM, kuris naudoja mąstymo pagrindus Sintetiniai fizinio AI modelio duomenysel Treniruotės, dabar galima įsigyti Apkabinantis veidą.
• Kosmosas prognozuoja 2naudojamas „GR00T-Deams“, netrukus pasirodys apkabindamas veidą, pasižymintį aukštos kokybės pasaulinės kartos veiklos patobulinimais ir sumažinta haliucinacija.
• Nvidia Isaac Gr00t-MimicEksponentiškai didelių sintetinių judesių trajektorijų, skirtų manipuliavimui robotu, generuojant, naudojant tik keletą žmonių demonstracijų.
• Atvirojo kodo fizinio AI duomenų rinkinyskuriame dabar yra 24 000 aukštos kokybės humanoidinio roboto judesio trajektorijos, naudojamos kuriant GR00T N modelius.
• Nvidia Isaac Sim 5.0modeliavimo ir sintetinių duomenų generavimo sistema netrukus bus atvirai Galima įsigyti „GitHub“.
• NVIDIA ISAAC LAB 2.2atvirojo kodo robotų mokymosi sistema, kuri palaikys naują vertinimo aplinką, kuri padėtų kūrėjams išbandyti GR00T N modelius.

Lebaredianas nurodė, kaip GR00T N1.5 gali pagreitinti vystymąsi: „Kūrėjai naudoja šias svajones, kad padidintų mokymo duomenis, gerintų modelio našumą ir sumažintų poreikį rankiniu būdu fiksuoti teleoperacijos duomenis 20 koeficientų. Mūsų tyrimo komanda mokė GR00T N1.5, naudodama svajones, sukurtas per 36 valandas, palyginti su trimis mėnesiais, kad būtų prireikę trijų mėnesių žmogui, kad žmogus galėtų rankiniu būdu pagrobti.“.

Ar kūrėjai gali naudoti „RTX Pro 6000“, sintetinius duomenų generavimą ir modeliavimą, kad sukurtų robotus, be humanoidų?

„Iš esmės, jei galvojate apie tai, kas yra humanoidinis robotas, tai yra savotiškas daugelio kitų rūšių robotų rinkinys“, – atsakė Lebaredianas Roboto ataskaita. “Jis turi judėjimą. Jis gali judėti taip, kaip tai daro AMR. Jis turi ginklus, kuriuos galima pasirinkti, kaip roboto manipuliatorius.”

„Viena iš priežasčių, kodėl mums patinka sutelkti dėmesį į humanoidus, yra tai, jei galite išspręsti humanoido problemą, visos kitos robotikos problemos iš ten išeina iš ten“, – tvirtino jis. “Taigi tas pats procesas, kurį mes naudojame sintetiniams duomenims generuoti, ir tada juos išbandyti, taikomi bet kokio tipo robotui. Mes matome daug humanoidinių robotų naudojimo atvejų ir didelį duomenų trūkumą.”

„Foxconn“ ir „FoxLink“ naudoja „GR00T-Mimic“ projektą sintetinių judesio manipuliacijų generavimui, kad pagreitintų jų robotikos treniruočių vamzdynus. „Agility Robotics“, „Boston Dynamics“, „Furjė“, „Mentee Robotics“, „Neura Robotics“ ir „Xpeng“ robotika imituoja ir moko savo humanoidus naudodamiesi Isaac Sim ir Isaac laboratorijoje.

„Skild“ AI naudoja modeliavimo sistemas, kad sukurtų bendrą robotų intelektą, o „General Robotics“ juos integruoja į savo robotų žvalgybos platformą.

„Foxconn“ bendradarbiaujantis slaugos robotas yra vienas iš intelektualiųjų ligoninių programų, sukurtų naudojant NVIDIA technologijas, pavyzdys. Šaltinis: „Foxconn“

„NVIDIA Blackwell Systems“ prieinamos robotų kūrėjams

Pasaulinių sistemų gamintojai kuria NVIDIA RTX PRO 6000 darbo vietos ir serveriai. NVIDIA teigė, kad siūlo vieną architektūrą, skirtą lengvai paleisti robotų kūrimo darbo krūvius per mokymus, sintetinius duomenų generavimą, robotų mokymąsi ir modeliavimą. Tai yra „AI gamyklų“ kūrimo su tokiais partneriais kaip „Foxconn“ strategijos dalis.

„Cisco“, „Dell Technologies“, „Hewlett-Packard Enterprise“, „Lenovo“ ir „Supermicro“ paskelbė „RTX Pro 6000 Blackwell“ varomus serverius, kurie bus naudojami tokiems dalykams kaip kvantinių skaičiavimo tyrimai. Tuo tarpu „Dell Technologies“, HPI ir „Lenovo“ paskelbė „Nvidia RTX Pro 6000“ „Blackwell“ varomos darbo vietos.

Kai reikia daugiau skaičiavimo, norint paleisti didelio masto treniruotes ar duomenų generavimo darbo krūvius, kūrėjai gali patekti į „Blackwell“ sistemas, tokias kaip „GB200 NVL72“-galite rasti naudodami „NVIDIA DGX Cloud“ dėl pirmaujančių debesų teikėjų ir „Nvidia Cloud Partners“ – Siekdama iki 18 kartų didesnių duomenų apdorojimo rezultatų, sakė NVIDIA. Kūrėjai gali diegti savo modelius NVIDIA JETSON AGX Thor, netrukus pasirodysiančiai, kad paspartintų „Robot“ išvadas ir vykdymo laiką.

Kūrėjai gali įdiegti savo robotų fondo modelius „Jetson Thor“ platformoje. Bendrovė teigė, kad ji taip pat netrukus pagreitins „Robot“ išvadą ir vykdymo laiką.

„Nvidia“ taip pat paskelbė:

„RTX Pro Blackwell“ serveriai teikia AI, projektavimo, inžinerijos ir verslo programų pagreitį, skirtą kurti IT infrastruktūrą kartu su naujuoju „NVIDIA Enterprise AI Factory“ patvirtintu dizainu. Šaltinis: NVIDIA