机器人—英伟达的下一场革命

2018-09-15 09:13

“我们不可能让机器这么学习。”

这里，英伟达高级软件经理李铭博士指出，在使用深度强化学习对机器人进行训练时，有三个主要的障碍。

第一，真实世界的训练进程太过缓慢，并且成本昂贵。Google 的机器人实验室曾经用三个月的时间拿 14 台机械手臂完成了 30 万次的拾取动作的训练，同时还配备了一整队的工程师“鞍前马后地照料”这些机器人。对其他公司或者普通研究人员而言，这样的成本是完全负担不起的。

第二，训练的部分非常危险，可能会造成一定程度的损失。机器人在训练时是直接与物理世界交互的，任何的碰撞都可能会导致机体的损伤，甚至可能会对训练的“陪护”人员造成伤害。

第三，训练环境的搭建非常耗时耗力。以自动驾驶为例，如果要训练汽车在面对前面汽车追尾时的表现，连日常生活中的数据都很难收集，更不要说搭建起类似的场景了。

NVIDIA 的答案

在今年台北电脑展的发布会上，英伟达发布了 NVIDIA Isaac 机器人平台，包含硬件、软件和虚拟世界机器人模拟器的 NVIDIA Isaac。

同样在这场发布会上，黄仁勋还发布了“世界首台专为机器人打造的处理器”NVIDIA Jetson Xavier，他手托着这台没有巴掌大的计算机，面对媒体说道：“这就是未来智能机器人的『大脑』。”

Jetson Xavier 拥有超过 90 亿个晶体管，可提供每秒 30 万亿次操作以上的性能，这一处理能力甚至比高性能的工作站还要强大。同时，Xavier 拥有 6 个高性能处理器，包括 1 个 Volta Tensor Core GPU、1 个 8 核 ARM64 CPU、2 个 NVDLA 深度学习加速器、1 个图像处理器、1 个视觉处理器和 1 个视频处理器。超高的计算能力让可以直接部署在终端机器人上的 Jetson Xavier 能够为机器人的感知和计算提供基础算力的保障。

软件上，Jetson Xavier 配备了一个工具箱，包含 API 工具包 Isaac SDK、智能机器加速应用 Isaac IMX 以及高度逼真的虚拟仿真环境 Isaac Sim。

英伟达在 2017 年的 GTC 上首次发布了 Isaac 虚拟仿真环境的部分。只需要普通游戏引擎，开发者们就可以打造出一个非常仿真的虚拟环境，在这个 VR 世界里，开发者可以在其算力支持的条件下，对机器进行尽可能多、尽可能快的训练，训练完成后，机器可以直接部署到机器人上，完成物理世界里的测试。这样一来就解决了训练环境的诸多问题。

在英伟达看来，机器人终归是要拥有超强的边缘计算能力的，而目前远远超越现阶段机器人应用需求的 Jetson Xavier，正是为了下一代自主机器打造的 AI 计算芯片，在 Isaac 平台的支持下，机器无处不在地助力我们日常生活工作，提高整个社会的效率，终将在不久后成为现实。

<上一页 1 2