当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > AI如何使机器人更具自主性和适应性?

AI如何使机器人更具自主性和适应性?

来源:51CTO.COM 2024-05-23 18:30:38 0浏览 收藏

学习科技周边要努力,但是不要急!今天的这篇文章《AI如何使机器人更具自主性和适应性?》将会介绍到等等知识点,如果你想深入学习科技周边,可以关注我!我会持续更新相关文章的,希望对大家都能有所帮助!

在工业自动化技术领域,最近有两个热点很难被忽视:人工智能(AI)和英伟达(Nvidia)。

AI如何使机器人更具自主性和适应性?

不要改变原内容的意思,微调内容,重写内容,不要续写:“不仅如此,这两者密切相关,因为英伟达在不仅仅局限于其最开 始的图形处理单元(GPU),正在将其GPU技术扩展到数字孪生领域,同时紧密连接着新兴的AI技术。”

最近,英伟达与众多工业企业达成了合作,包括领先的工业自动化企业,如Aveva、罗克韦尔自动化、西门子和施耐德电气,以及泰瑞达机器人及其MiR和优傲机器人公司。 Recently, Nvidia has collaborated with numerous industrial enterprises, including leading industrial automation companies such as Aveva, Rockwell Automation, Siemens, and Schneider Electric, as well as Teradyne's robotics division and its subsidiaries MiR and Universal Robots.

处理差异化问题

作为一家拥有最大协作和自主移动机器人安装基础之一的先进机器人公司的领导者,泰瑞达机器人总裁Ujjwal Kumar表示,工业领域仍然面临着许多问题。泰瑞达正与英伟达合作以帮助客户解决这些问题。他以自主托盘搬运车为例说明了这一点。

工业使用的托盘种类繁多。它们上面有油漆和贴纸,某些地方还有磨裂或破损的木头。然而,自动托盘搬运车的测试通常是在新的、几乎完美的托盘上进行的,这并不反映大多数工厂车间的实际情况。Kumar表示,业界在很大程度上已经接受了这一点,并选择采用人力来处理那些自动托盘搬运车无法处理的托盘。

“但我们不想推出的只是另一款自动托盘搬运车。” Kumar说,“我们希望为客户提供完全自主的解决方案。但要做到这一点,机器人需要先进的认知能力——这就是我们与英伟达合作的原因。也正是这种基于人工智能的托盘检测系统让我们能够根据其检测、响应和移动方式,提供高水平的托盘检测和安全性。”

Kumar解释,将英伟达的AI功能引入托盘检测应用之前,行业内的自主托盘搬运车能力是带有“星号”的,即它只有在机器人工作条件是完美的情况下才是自主的。但现在,在我们的新系统可以说它是适用于现实世界的自主系统。我们知道托盘会来自世界各地,它们可能会破损、刮擦并且有许多缺陷。但我们的机器人将不再寻找完美的场景。它们将在不完美的场景和结构不完善的环境中工作,比典型的机器人解决方案能够处理的情况具有更多的变化。

AI如何使机器人更具自主性和适应性?图:Jetson Edge AI 模块与UR5e协作机器人和视觉系统一起使用以进行质量检查。

软件堆栈

英伟达通过三种类型的计算方法来应对行业的自动化挑战。英伟达机器人产品市场总监Gerard Andrews解释说,第一种是Edge AI计算机,该计算机在英伟达的Jetson平台上运行,并配有完整的软件堆栈。然后是大型云计算AI——我们的训练计算机。第三种是我们的仿真计算机,它可以在部署机器人之前详细模拟机器人的性能。有句俗话说,机器人在进入现实世界之前,要在模拟中度过一千次生命,我们相信这样才能让人们在最终部署机器人解决方案时对其产生信任。

英伟达最近还宣布了用于机器人手臂的 Isaac Manipulator 软件堆栈和用于机器人 3D 视觉的 Isaac Perceptor 软件堆栈。Andrews补充说,英伟达已经启动了一个项目组,专注于多模态AI模型,为人形机器人接收输入信息并生成机器人动作。

英伟达为这些不同类型的应用程序开发了完整的软件堆栈,Andrews说,“因为我们想了解限制在哪里。这使我们的客户能够根据需要获取尽可能多的堆栈。这就是为什么我们构建诸如基于AI的机器人操控堆栈和基于AI的移动机器人堆栈。其核心是这样一个现实,即您不希望您的解决方案仅在一切都完美时才起作用。您希望它能够处理你在现实世界环境中看到的合理变化。”

先进机器人和AI领域的拐点

英伟达的仿真平台正在改变机器人应用开发的速度,泰瑞达的投资者经常问Kumar,先进机器人和AI领域的拐点何时到来;也就是说,关于AI的炒作何时才能转变为真实世界中行业所需的能力。

这个拐点可能会比在制造业20年中看到的所有技术采用速度都快。原因在于,过去任何新技术都需要在工厂中分出一部分——风险最小的部分——来尝试新技术,同时小心不要破坏任何东西。现在,我们的大多数客户在试行这些AI算法时,都在云中的数字孪生中进行,以便在数百万种不同的场景中进行各种测试,这将极大地加速技术的采用。因此,在Kumar看来,这个拐点会比工业界习惯的速度快得多。

他举出了美国北卡罗来纳州和密苏里州的一些小型制造商与泰瑞达和英伟达合作开发应用的最新例子,这些应用现已在多个国家使用。“在过去,只有大公司才能如此迅速地扩大规模。现在,这种扩展正是我们正在实现的。”

AI技术的融合,使机器人能够在非结构化和不断变化的环境中更精确地运行,并在各种规模的公司中迅速推广新的机器人应用。

今天带大家了解了的相关知识,希望对你有所帮助;关于科技周边的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
Karpathy称赞,从零实现LLaMa3项目爆火,半天1.5k starKarpathy称赞,从零实现LLaMa3项目爆火,半天1.5k star
上一篇
Karpathy称赞,从零实现LLaMa3项目爆火,半天1.5k star
Golang 函数在 Web 服务中的应用和注意事项
下一篇
Golang 函数在 Web 服务中的应用和注意事项
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    463次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    527次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    545次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    494次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    313次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码