Press "Enter" to skip to content

Tag: Metropolis

英伟达扩展机器人平台以满足生成式人工智能的崛起

强大的生成式AI模型、云原生API和微服务正在逐渐走向边缘。 生成式AI将转换模型和大型语言模型的优势带到了几乎所有行业。现在,这种影响力已经扩展到了涉及边缘、机器人和物流系统的领域:缺陷检测、实时资产跟踪、自主计划和导航、人机交互等。 NVIDIA今天宣布了两个在边缘AI和机器人技术领域的框架的重大扩展:NVIDIA的Isaac ROS机器人技术框架正式面向市场,NVIDIA Metropolis在Jetson平台上的扩展即将推出。 为了加快边缘AI应用的开发和部署,NVIDIA还建立了一个用于开发者使用的Jetson生成式AI实验室,供他们使用最新的开源生成式AI模型。 超过120万开发者和1万多个客户选择了NVIDIA AI和Jetson平台,其中包括亚马逊网络服务、思科、约翰迪尔、美敦力、百事可乐和西门子。 随着人工智能领域的快速发展,应对越来越复杂的场景,开发者面临着日益延长的开发周期来构建边缘AI应用的挑战。实时重新编程机器人和AI系统以满足不断变化的环境、制造流水线和客户的自动化需求是耗时且需要专业技能的。 生成式AI提供了零样本学习的能力,即模型能够识别训练过程中从未见过的特定东西,并结合自然语言界面,简化了边缘AI的开发、部署和管理。 改变人工智能领域 生成式AI通过理解人类语言提示来改变模型,极大地提高了易用性。这些AI模型在检测、分段、跟踪、搜索甚至重新编程方面更加灵活,并且能够优于传统的基于卷积神经网络的模型。 根据ABI Research的数据,生成式AI预计将在2033年为全球制造业增加105亿美元的收入。 NVIDIA的嵌入式和边缘计算副总裁Deepu Talla表示:“生成式AI将以比以往更好的泛化能力、易用性和更高的准确性显著加速边缘AI的部署。Metropolis和Isaac在Jetson上的这次最大规模的软件扩展,结合了转换模型和生成式AI的能力,满足了这一需求。” 在边缘开发生成式AI Jetson生成式AI实验室为开发者提供了优化工具和教程,用于部署开源LLMs、扩散模型以生成令人惊叹的交互式图像、视觉语言模型(VLMs)和视觉Transformer(ViTs)结合视觉AI和自然语言处理,实现对场景的全面理解。 开发者还可以使用NVIDIA TAO Toolkit为边缘应用程序创建高效准确的AI模型。TAO提供了一个低代码界面,用于微调和优化视觉AI模型,包括ViT和视觉基础模型。他们还可以自定义和微调诸如NVIDIA NV-DINOv2或公共模型如OpenCLIP之类的基础模型,以用极少的数据创建高精度的视觉AI模型。TAO还引入了VisualChangeNet,这是一个用于缺陷检测的基于Transformer的新模型。 利用新的Metropolis和Isaac框架 NVIDIA Metropolis使企业更加轻松、更具成本效益地采用世界级的视觉AI解决方案,以提高关键的运营效率和安全性。该平台提供了一系列强大的应用程序编程接口和微服务,供开发者快速开发复杂的基于视觉的应用程序。…

Leave a Comment

“物联网公司的智能视频分析平台与AI在班加罗尔机场合作成功降落”

每年有近3200万人通过孟加拉国际机场(BLR),这是世界上人口最多的国家中最繁忙的机场之一。 为了为这么多人提供更安全、更快捷的体验,这座位于原名班加罗尔的城市的机场正在利用由Industry.AI提供支持的视觉AI技术。 作为NVIDIA Metropolis视觉AI合作伙伴生态系统的成员,Industry.AI已经在BLR最新的T2航站楼(也被称为花园航站楼,因为它拥有室内花园和瀑布)部署了其视觉AI平台。这是印度机场规模上的智能视频分析的首批部署之一。 BLR最新航站楼中的绿化。 Industry.AI通过使用视觉AI和目标检测来追踪遗弃的行李、标记长队并向安全团队发出潜在问题的警报等应用案例,提高了航站楼的运营安全性和效率。 通过使用视觉AI识别拥堵点并预测延误,工作人员可以主动将乘客引导到人流较少的区域,或者提供信号以开放额外的检查点,从而减少等待时间,提升乘客体验。 “在这个规模上部署视觉AI对我们来说是第一次,”BLR母公司的首席信息官George Fanthome表示。“通过采用这些先进的深度学习技术,我们力争成为世界上最好的机场之一,并为我们的客户提供最佳体验。” 更智能、更安全的机场运营 Industry.AI平台将BLR航站楼的500多个实时摄像头连接到视觉AI技术,可以实时完成近十几项任务。 首先,该平台可以检测到行李或钱包被遗忘。 它还有助于管理航站楼入口、办理登机手续柜台、安检通道和其他区域的乘客排队。机场工作人员可以根据AI平台收集的乘客运动的历史数据,主动进行任务。 Industry.AI首席执行官Tejpreet Chopra表示:“我们的平台通过实时可视化和传感器反馈的仪表板,加快了高峰运营时段的乘客流动速度,向机场工作人员提醒排队时间超过最佳时间。”。“这样可以使机场工作人员在最短的时间内对情况做出响应。” 未经授权的人员和车辆在机场也可以被实时跟踪并向平台的用户发出警报,以增强安全性。此外,Industry.AI还可以检测到航站楼外部车辆的超速违规行为,有助于管理旅行枢纽周围的安全交通。 AI帮助管理BLR内外交通。 Industry.AI使用NVIDIA TAO Toolkit和A100 Tensor Core GPU来训练其AI模型。对于AI推理,该公司使用NVIDIA Triton Inference…

Leave a Comment

什么是机器人仿真?

机器人正在仓库中搬运货物、包装食品、帮助组装车辆——当它们不翻转汉堡或者冲泡拿铁时。 它们是如何如此迅速地变得如此熟练呢?机器人模拟。 它正在以飞跃的进步改变我们周围的各个行业。 机器人模拟简介 机器人模拟器将虚拟机器人放置在虚拟环境中,以测试机器人的软件,而无需实际机器人。而最新的模拟器可以生成数据集,用于训练将在实际机器人上运行的机器学习模型。 在这个虚拟世界中,开发者创建机器人、环境和其他机器人可能遇到的素材的数字版本。这些环境可以遵守物理定律,并模拟真实世界的重力、摩擦、材料和光照条件。 谁在使用机器人模拟? 如今,机器人在大规模上提升了业务。一些最大和最具创新性的机器人公司都依赖于机器人模拟。 得益于模拟,配送中心每天可以处理数千万个包裹。 亚马逊机器人使用它来支持其配送中心。宝马集团借助它加速其汽车装配厂的规划。软性机器人应用它来完善食品包装的抓取和放置。 全球各地的汽车制造商都在用机器人来支持他们的业务。 “汽车公司雇佣了将近1400万人。数字化将提高这个行业的效率、生产力和速度,” NVIDIA首席执行官Jensen Huang在最新的GTC主题演讲中说道。 机器人模拟的工作原理简介 一个先进的机器人模拟器首先应用物理基本方程。例如,它可以使用牛顿运动定律来确定物体在一个小时间增量或时间步长内的运动方式。它还可以结合机器人的物理约束条件,比如由铰链般的连接构成,或者无法穿过其他物体。 模拟器使用各种方法来检测物体之间的潜在碰撞,识别碰撞物体之间的接触点,并计算阻止物体相互穿过的力或冲量。模拟器还可以计算用户寻求的传感器信号,比如机器人关节处的扭矩或机器人夹持器与物体之间的力。 然后,模拟器将根据用户的要求重复这个过程。一些模拟器,比如基于NVIDIA Omniverse的NVIDIA Isaac Sim应用程序,还可以在每个时间步长上提供物理上准确的模拟器输出的可视化。 使用机器人模拟器的成果 机器人模拟器用户通常会导入机器人的计算机辅助设计模型,并导入或生成感兴趣的对象来构建虚拟场景。开发者可以使用一组算法来执行任务规划和运动规划,然后指定控制信号来执行这些计划。这使得机器人能够执行任务并以特定方式移动,比如拾取一个物体并将其放置在目标位置。 开发者可以观察计划和控制信号的结果,然后根据需要进行修改以确保成功。最近,有一种向基于机器学习的方法的转变。所以,用户不是直接指定控制信号,而是指定所需的行为,比如移动到一个位置而不发生碰撞。在这种情况下,一个数据驱动的算法会根据机器人的模拟传感器信号生成控制信号。 这些算法可以包括模仿学习,其中人类演示可以提供参考,以及强化学习,机器人通过智能的试错学习来实现行为,通过加速的虚拟体验快速学习多年的经验。…

Leave a Comment

观察此空间:新的空间金融领域利用人工智能估算风险,监控资产,分析索赔

在进行金融决策时,从无人机、卫星或AI动力传感器获取的大局观至关重要。 空间金融这一新兴领域利用远程传感器和航空影像的AI洞察力,帮助银行、保险公司、投资公司和企业分析风险和机遇,开展新的服务和产品,衡量其投资的环境影响,并在危机之后评估损失。 空间金融应用包括监测资产、建模能源效率、跟踪排放和污染、检测非法采矿和森林砍伐以及分析自然灾害风险。NVIDIA的AI软件和硬件可以帮助行业将其业务数据与地理空间数据结合起来加速这些应用。 通过更好地了解与投资相关的环境和社会风险,金融行业可以选择优先支持可持续发展的投资,这被称为环境、社会和治理(ESG)框架。 可持续投资的重点正在增加:彭博智库的分析估计,到2025年,ESG资产将占全球管理资产总额的三分之一以上。欧洲联盟空间计划机构的一份报告预测,保险和金融行业将成为未来十年地球观测数据和服务的最大消费者,到2031年总收入将超过10亿美元。 NVIDIA Inception的几个成员是全球支持尖端初创企业的计划,他们正在推进这些工作,利用GPU加速的AI应用程序,可以追踪工业厂区附近的水污染情况,评估野火的金融风险,评估风暴后的损失等。 大规模数据的强大计算能力 GPU加速的AI和数据科学可以从复杂的非结构化数据中快速提取洞察力,使银行和企业能够实时流式处理和分析从卫星、无人机、天线和边缘传感器中捕获的数据。 通过监测航空影像,分析人员可以清晰地看到水库中随时间使用的水量、为建筑项目砍伐的树木数量或龙卷风损坏的房屋数量。这种能力可以通过验证书面记录(如政府强制性披露、环境影响报告甚至保险索赔)的准确性,帮助审计投资。 例如,投资者可以跟踪一家报告其生产线达到零排放的公司的供应链,发现实际上它依赖于一个在卫星图像中可见发出煤烟的海外工厂。或者,分析建筑物的热量排放的传感器可以帮助识别低排放企业以获得税收抵免。 NVIDIA的边缘计算解决方案,包括用于自治机器和其他嵌入式应用的NVIDIA Jetson平台,正在为空间金融中的众多AI计划提供动力。 除了使用NVIDIA硬件加速他们的应用程序外,开发人员还采用包括用于流式分析的NVIDIA DeepStream软件开发工具包、视觉AI平台NVIDIA Metropolis的一部分。他们还使用NVIDIA Omniverse平台构建和操作元宇宙应用程序,以详细、三维可视化地展示地理空间数据。 保险业——从风险评估到加速理赔 NVIDIA Inception成员正在开发GPU加速的应用程序,将地理空间数据转化为保险公司的洞察力,减少了对保险财产进行昂贵现场访问的需求。 位于卢森堡的RSS-Hydro使用GPU计算在本地和云端训练FloodSENS,这是一个从卫星影像中绘制洪水影响的机器学习应用程序。该公司还使用NVIDIA Omniverse在3D中创建FloodSENS的动画,帮助团队在紧急情况下更有效地沟通洪水风险和资源分配规划。 总部位于多伦多的Ecopia AI使用基于深度学习的地理空间数据挖掘系统,帮助生成高度准确的建筑、道路、森林等细分的下一代数字地图。这些地图在公共和私营部门中有各种应用,包括政府气候适应性倡议和保险风险评估。Ecopia使用NVIDIA GPU开发其AI模型。…

Leave a Comment

电子巨头利用NVIDIA Metropolis进入工厂自动化领域

全球4.6万亿美元的电子制造业横跨全球超过1000万家工厂,生产无缺陷产品对其至关重要。为了驱动产品的卓越性,领先的电子制造商正在采用NVIDIA工厂Metropolis。 其中包括富士康工业互联网、和硕、广达、西门子和纬创等50多家制造业巨头和工业自动化提供商。NVIDIA的创始人兼首席执行官黄仁勋在台北举行的COMPUTEX技术大会上宣布了这一消息。 NVIDIA工厂Metropolis是一组工厂自动化工作流程,可使工业技术公司和制造商开发、部署和管理定制的质量控制系统,提供竞争优势。 全球制造商每年在追求质量控制方面的支出超过6万亿美元,几乎每个产品系列都应用缺陷检测。但是,手动检查无法跟上需求。 许多制造商拥有自动光学检测(AOI)系统,可以帮助解决问题,但通常这些系统具有高假检测率,需要在劳动力市场已经具有挑战性的情况下进行人力密集型和昂贵的二次手动检查,降低了它们的价值。 NVIDIA工厂Metropolis现在提供了一种先进的人工智能平台和工作流程,用于开发诸如AOI之类的极其准确的检测应用程序。 和硕采用Metropolis工厂推动AOI 总部位于台北北投区的领先制造商和硕正在其生产线上使用NVIDIA工厂Metropolis。 和硕制造从主板到智能手机、笔记本电脑和游戏机等各种产品。每天处理超过300种产品和超过5,000个零部件的十几个制造设施,和硕有很多质量控制需要管理其产品组合。此外,频繁的产品更新要求对其AOI系统进行持续修订。 和硕正在使用整个Metropolis工厂工作流程来支持其印刷电路板(PCB)工厂进行模拟、机器人和自动生产检查。工厂Metropolis使这家电子制造业巨头能够快速更新其缺陷检测模型,并在其AOI系统上实现99.8%的准确率,从小数据集开始。   和硕使用NVIDIA Isaac Sim进行机器人模拟器编程,模拟其移动机器人队列的表现。 利用NVIDIA Omniverse Replicator提供的合成数据生成来模拟缺陷,帮助使用域随机化等技术构建大规模训练数据集。 在Metropolis中,NVIDIA TAO Toolkit允许和硕访问预训练模型和转移学习,从其增强的数据集构建高度准确的缺陷检测模型。 NVIDIA DeepStream软件开发工具包可用于开发优化的智能视频应用程序,处理多个视频、图像和音频流。使用DeepStream,和硕能够实现10倍的吞吐量提高。 此外,Omniverse使和硕能够运行其检测设备的数字孪生,因此可以模拟未来的检测过程,为其生产工作流程带来效率提高的可能性。 它也被广达子公司Techman Robot使用,后者利用Isaac…

Leave a Comment

Techman机器人选择NVIDIA Isaac Sim以优化自动光学检测

如何帮助机器人建造更好的机器人?通过模拟更多的机器人。 NVIDIA创始人兼CEO黄仁勋今天展示了领先的电子制造商Quanta如何使用AI启用的机器人来检查其产品的质量。 在本周的台北国际电脑展上的主题演讲中,黄仁勋介绍了电子制造商如何数字化其最先进的工厂。 例如,Quanta子公司Techman Robot的机器人使用NVIDIA Isaac Sim —— 一款基于NVIDIA Omniverse构建的机器人模拟应用程序,开发了一个定制的数字孪生应用程序,以改进这家总部位于台湾的电子产品提供商的生产线上的检查。 以下演示展示了Techman如何使用Isaac Sim来优化制造线上机器人的机器人检查。事实上,这是机器人建造机器人。 自动光学检查,或AOI,帮助制造商更快地识别缺陷,并向全球客户交付高质量的产品。现在启用AOI的NVIDIA Metropolis视觉AI框架还用于优化从汽车到电路板等产品的检查工作流程。 Techman通过使用Isaac Sim模拟、测试和优化其最先进的协作机器人或合作机器人,与使用云端的NVIDIA AI和GPU进行训练和机器人本身的推理,开发了AOI。 Isaac Sim是基于NVIDIA Omniverse构建的——一个用于构建和操作工业元宇宙应用的开放式开发平台。 Techman机器人AOI解决方案的独特特点包括将检查摄像头直接放置在关节式机器人手臂上,以及GPU集成在机器人控制器中。 这使得机器人能够检查固定摄像头无法访问的产品区域,并利用边缘上的AI即时检测缺陷。 Techman的首席运营官Scott Huang表示:“与其他机器人品牌相比,Techman机器人的独特特点在于其内置的视觉系统和AI推理引擎。NVIDIA RTX…

Leave a Comment

直播自台北: NVIDIA CEO 发布面向各行业的 Gen AI 平台

在疫情以来的首次现场主题演讲中,NVIDIA的创始人兼CEO黄仁勋今天在台北举行的COMPUTEX大会上宣布了一些平台,这些平台可以帮助公司乘风破浪,参与到一波历史性的生成式人工智能浪潮中,这个浪潮正在改变从广告到制造业再到电信等行业。 “我们回来了,”黄仁勋在他的家中厨房进行了几年的虚拟主题演讲之后在舞台上大声喊道。“我已经有将近四年没有公开演讲了–祝我好运!” 他向约3500名观众演讲了近两个小时,介绍了加速计算服务、软件和系统,这些都使新的商业模式成为可能,也让现有的商业模式更加高效。 “加速计算和人工智能标志着计算机的重新发明,”黄仁勋说道,他在过去一周在家乡的旅行每天都被当地媒体追踪报道。 为了展示它的强大,他使用了他所在的巨大的8K墙,展示了一个文本提示,生成了一首主题歌,可以随意地唱,就像任何卡拉OK歌曲一样。黄仁勋偶尔用他的家乡语言和观众开玩笑,并短暂地带领观众唱了这首新歌。 “现在我们处于一个新的计算时代的临界点,加速计算和人工智能已经被全球几乎所有的计算和云计算公司所接受,”他说道,指出现在有40,000家大型公司和15,000家初创公司使用NVIDIA技术,去年CUDA软件下载量达到2500万次。 主题演讲的重要新闻公告 Grace Hopper提供大内存超级计算机,用于生成式人工智能。 模块化参考架构可以创建100多个加速服务器变体。 WPP和NVIDIA在Omniverse中创建数字广告内容引擎。 SoftBank和NVIDIA在日本建立5G和生成式人工智能数据中心。 网络技术加速基于以太网的人工智能云。 NVIDIA ACE for Games利用生成式人工智能为角色赋予生命。 全球的电子制造商都在使用NVIDIA人工智能。 企业人工智能的新引擎 对于需要最佳人工智能性能的企业,他推出了DGX GH200,一个大内存人工智能超级计算机。它使用NVIDIA NVLink将多达256个NVIDIA GH200 Grace Hopper超级芯片组合成一个单一的数据中心大小的GPU。…

Leave a Comment