Zipline 不只是一家顶尖无人机初创公司。 自 2011 年成立以来，总部位于旧金山的公司已在七个国家完成了 80 万多次交付。最近，它还为西雅图的 Pagliacci Pizza、维生素和补充剂巨头 GNC，以及像 Intermountain Health、OhioHealth 和 Michigan Medicine 这样的大型卫生系统提供了服务。 Zipline 开发了它的无人机 – 它们现在已经飞行了超过 5500 万英里 – 用于使用 NVIDIA…
Leave a CommentTag: NVIDIA Jetson
在今年世界上最大规模的太阳能赛车活动中，新南威尔士大学的Sunswift Racing团队正大放异彩。 首次于35年前启动的World Solar Challenge吸引了来自全球的学术参与者。今年的比赛吸引了近100个竞争对手。 比赛历时大约四天，总里程约1900英里，参赛者不是为了速度而是为了最大能源效率而争夺。 悉尼新南威尔士大学（UNSW）赢得了能源效率比赛，并且以其使用NVIDIA Jetson Xavier NX进行能源优化的Sunswift 7车辆第一个越过终点线，获得了巡航杯的荣誉。它也是唯一一支搭载4人并拥有遥控任务控制团队的参赛者。 “能够使用最少的能量在其他任何人之前到达阿德莱德，这是一个完全不同的命题，但第一个越过终点线只是为了炫耀权利，” Sunswift项目经理、UNSW教授Richard Hopkins说道。 Hopkins之前在英国管理过F1赛车队。 比赛组织者将这项活动称为“对未来更可持续的移动方式做出的最伟大的创新和工程挑战”，该活动贯穿整个澳大利亚公路，从北部的达尔文到南部的阿德莱德。它也成为了追求电动车行业职业道路的学生们的跳板。 像许多竞争对手一样，UNSW在因COVID-19大流行而经历了三年的比赛暂停后再次参赛，使得今年的比赛备受期待。 “每个团队成员都需要理解他们正在做什么和在团队中的角色，并在这五天半的比赛中表现最佳，” Hopkins说道。 “这使人筋疲力尽。” 全力以赴的能源效率 比赛允许参与者在车辆停留在两个位置过夜时，从完全充电的电池开始充电。剩下的约90%的能量来自太阳和车辆的太阳能电池板。 UNSW第七代Sunswift 7使用算法进行能源效率优化，基本上关闭所有非必要的计算，以最大化电池寿命。 这辆太阳能电动车依靠NVIDIA…
Leave a Comment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