Alphabet 旗下的 Intrinsic 公司整合 Nvidia 技術到機器人平臺
由布萊恩·希特爾（Brian Heater）報導 / 8 小時前
今年 Automate 大會上的第一條新聞來自 Alphabet X 旗下的副公司 Intrinsic。該公司在週一的芝加哥活動上宣布，將將一系列的 Nvidia 產品整合到其 Flowstate 機器人應用平臺中。這其中包括了 Isaac Manipulator，這是一系列為了建立機器人臂工作流程而設計的基礎模型。這項產品於三月份的 GTC 大會上推出，並且已有工業自動化領域的一些頂尖公司加入，例如雅斯卡瓦（Yaskawa）、索羅門（Solomon）、PickNik Robotics、Ready Robotics、Franka Robotics 和 Universal Robots。這次合作的重點是捉取（抓取和拿取物品），這是製造和配送自動化中至關重要的模式之一。這些系統是基於大型資料集進行訓練，目標是執行適用於不同硬體（即硬體無關性）和不同物件的任務。也就是說，採取的方法可以轉移到不同的情境中，而不需要為每個情景訓練每個系統。
技術與探討與建議
人類一旦掌握了拾取東西的方法，就能夠適應不同情境中的不同物件。但就當前來說機器人無法做到這一點。Intrinsic 公司創始人兼執行長溫迪·譚·懷特（Wendy Tan White）在一篇文章中表示：“將來，開發人員將能夠使用這些現成的通用抓取技能來大大加速他們的程式設計過程。對於整個行業來說這一發展表明基礎模型可能會產生深遠影響，包括使當今的機器人程式設計挑戰更容易在規模上進行管理，建立以前難以實現的應用程式，降低開發成本，並增加終端使用者的靈活性。”
早期的 Flowstate 測試是在 Isaac Sim——Nvidia 的機器人模擬平臺上進行的。Intrinsic 的客戶 Trumpf Machine Tools 一直在使用系統的原型。懷特在談到 Trumpf 在平臺上的工作時表示：“這種通用抓取技能在 Isaac Sim 中使用 100%合成資料進行訓練，可以用於構建精密的解決方案，可以在模擬和真實環境中執行適應性和多功能的物體抓取任務。與硬編碼特定夾具來抓取特定物體的方式不同，特定夾具和物體的高效程式碼是自動生成的，以完成使用基礎模型的任勞任怨的方式。”
技術建議和社論
此外 Intrinsic 還與另一家 Alphabet 旗下的公司 DeepMind 合作，以解決姿態估計和路徑規劃這兩個自動化的關鍵問題。至於路徑規劃，該系統已在超過 130,000 個物件上進行了訓練。該公司表示這些系統能夠在“幾秒鐘內”確保物體的方向，這是能夠抓取物體的一個重要部分。Intrinsic 與 DeepMind 合作的另一個關鍵部分是能夠同時操作多個機器人。懷特表示：“我們的團隊已經測試了這種 100%機器學習生成的解決方案，能夠無縫地協調四個獨立的機器人在縮小的汽車焊接應用模擬中進行工作。每個機器人的運動計劃和軌跡是自動生成的，無碰撞，效率驚人——比我們測試過的一些傳統方法表現得好了約 25%。”該團隊還在研究同時使用兩只機械臂的系統，這種設定更符合新興的人形機器人世界。除了人形機器人，我們在接下來的幾年中將會看到更多這方面的應用。從單臂到雙臂的轉變為這些系統開啟了一個全新的應用領域。
