《電子技術應用》
您所在的位置:首頁 > 人工智能 > 業(yè)界動態(tài) > NVIDIA 推動生成式 AI 與機器人相結合

NVIDIA 推動生成式 AI 與機器人相結合

波士頓動力公司、Collaborative Robotics、Covariant、Sanctuary AI、宇樹科技等企業(yè)正在將 LLM 應用于機器人領域
2024-01-12
來源:NVIDIA

01.jpg

生成式 AI 正在重塑價值數(shù)萬億美元的產業(yè)。NVIDIA 作為智能機器人領域的領跑者,正在抓住這一機遇。

今日,NVIDIA 機器人和邊緣計算副總裁 Deepu Talla 在 CES 上的特別演講中,詳細介紹了 NVIDIA 及合作伙伴是如何將生成式 AI 與機器人技術相結合的。

這一切都是水到渠成,有越來越多的合作伙伴正在使用由 GPU 加速的大語言模型,為各類機器帶來前所未有的智能和適應能力,這些合作伙伴包括波士頓動力公司、Collaborative Robotics、Covariant、Sanctuary AI、宇樹科技等。

現(xiàn)在正是一個千載難逢的好時機。

Talla 表示:“由 AI 驅動的自主機器人越來越多地應用于提高效率、降低成本和解決勞動力短缺問題?!?/p>

 

共創(chuàng)變革

從一開始,NVIDIA 就一直是這場生成式 AI 變革的核心。

十年前,NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛親手將第一臺 NVIDIA DGX AI 超級計算機交付給 OpenAI。如今,得益于 OpenAI 的 ChatGPT,生成式 AI 已成為當代發(fā)展最快的技術之一。

而這一切才剛剛開始。

Talla 預測,生成式 AI 的影響將超越文本和圖像生成,進入到家庭和辦公室、農場和工廠、醫(yī)院和實驗室中。

其關鍵在于,類似于人類大腦語言中心的大語言模型(LLM),使機器人能夠更自然地理解和響應人類指令。

這些機器能夠不斷地向人類、彼此和周圍的世界學習。

Talla 表示:“鑒于這些特性,生成式 AI 非常適合用于機器人技術?!?br/>

 

機器人如何使用生成式 AI

Agility Robotics 和其他公司正在將生成式 AI 整合到他們的機器人中,以幫助理解文本或語音命令。追覓科技的機器人吸塵器,正在由生成式 AI 模型創(chuàng)建的模擬生活空間中接受訓練。同時,Electric Sheep 也正在開發(fā)一種自動割草的全球范式。

NVIDIA Isaac 和 Jetson 平臺等 NVIDIA 技術能夠為 AI 機器人的開發(fā)和部署提供助力,被超過 120 萬名開發(fā)人員和 10,000 名客戶以及合作伙伴所使用。

其中的許多企業(yè)都參加了本周的 CES,包括亞德諾半導體、Aurora Labs、Canonical、追覓創(chuàng)新科技、DriveU、e-con Systems 、Ecotron、Enchanted Tools、GlüxKind、禾賽科技、Leopard Imaging、九號公司(未嵐大陸(北京)科技有限公司)、Nodar、奧比中光、QT Group、速騰聚創(chuàng)、Spartan Radar、TDK、Telit、宇樹科技、Voyant Photonics 和一徑科技等。

 

雙機勝于單機

為了展示該模式的運作方式,Talla 在演講中展示了將 AI 部署到機器人技術中所必需的雙計算機模型(如下),展現(xiàn)出 NVIDIA 在 AI 開發(fā)和應用方面的全面性。

02.jpg

第一臺計算機被稱為“AI 工廠”,是創(chuàng)建和不斷改進 AI 模型的核心。

AI 工廠使用了 NVIDIA 數(shù)據中心計算基礎設施以及 NVIDIA AI 和 NVIDIA Omniverse 平臺,可以仿真和訓練 AI 模型。

第二臺計算機代表機器人的運行環(huán)境。

運行環(huán)境根據應用的不同而有所變化,比如可以是云或數(shù)據中心;對于半導體制造中的缺陷檢測等任務則是本地服務器;配備多個傳感器和攝像頭的自主機器也可能成為運行環(huán)境。

 

生成高質量資產和場景

Talla 還重點介紹了 LLM 在打破技術壁壘方面的作用。LLM 可以將普通用戶變成技術藝術家,能夠創(chuàng)建復雜機器人工作單元或整個倉庫仿真。

借助 NVIDIA Picasso 等生成式 AI 工具,用戶可以根據簡單的文字提示來生成逼真的 3D 資產,并將其添加到數(shù)字場景中,以實現(xiàn)動態(tài)、全面的機器人訓練環(huán)境。

這一功能還可擴展到在 Omniverse 中創(chuàng)建多樣化且符合物理學的場景,從而加強機器人的測試和訓練,保證機器人在現(xiàn)實世界中的適用性。

這與生成式 AI 在重新構建機器人部署方式上的變革潛力不謀而合。

以前的機器人是為特定任務而專門制造的,而根據不同任務來修改機器人十分耗時。

Talla 還解釋道,LLM 和視覺語言模型領域的進步正在消除這一瓶頸,使我們能夠通過自然語言與機器人進行更直觀的交互。

這種適應性強、能感知周圍環(huán)境的機器將很快遍布世界各地。

圖片3.jpg

本站內容除特別聲明的原創(chuàng)文章之外,轉載內容只為傳遞更多信息,并不代表本網站贊同其觀點。轉載的所有的文章、圖片、音/視頻文件等資料的版權歸版權所有權人所有。本站采用的非本站原創(chuàng)文章及圖片等內容無法一一聯(lián)系確認版權者。如涉及作品內容、版權和其它問題,請及時通過電子郵件或電話通知我們,以便迅速采取適當措施,避免給雙方造成不必要的經濟損失。聯(lián)系電話:010-82306118;郵箱:aet@chinaaet.com。