NVIDIA研究團(tuán)隊(duì)將在機(jī)器人全領(lǐng)域旗艦會(huì)議——“國(guó)際機(jī)器人與自動(dòng)化會(huì)議（ICRA）”上就19篇論文發(fā)表演講。屆時(shí)，來(lái)自NVIDIA的Dieter Fox將被頒發(fā)由IEEE機(jī)器人與自動(dòng)化協(xié)會(huì)授予的RAS先鋒獎(jiǎng)。

RAS先鋒獎(jiǎng)獲得者 Dieter Fox

始于1984年，由電氣和電子工程師協(xié)會(huì)發(fā)起的“國(guó)際機(jī)器人與自動(dòng)化會(huì)議（ICRA）”作為當(dāng)前機(jī)器人全領(lǐng)域的旗艦會(huì)議，匯集了來(lái)自世界各地的數(shù)千名研究人員，在業(yè)內(nèi)享有很高聲譽(yù)。在今年的線上會(huì)議上，來(lái)自NVIDIA的Dieter Fox將領(lǐng)取IEEE機(jī)器人與自動(dòng)化協(xié)會(huì)頒發(fā)的RAS先鋒獎(jiǎng)。

Fox是公司機(jī)器人研究高級(jí)主管、NVIDIA西雅圖機(jī)器人技術(shù)研究實(shí)驗(yàn)室負(fù)責(zé)人，同時(shí)在華盛頓大學(xué)的保羅·艾倫計(jì)算機(jī)科學(xué)與工程學(xué)院（UW Robotics and State Estimation Lab）擔(dān)任教授，以及華盛頓大學(xué)機(jī)器人狀態(tài)估計(jì)實(shí)驗(yàn)室負(fù)責(zé)人。在NVIDIA實(shí)驗(yàn)室，F(xiàn)ox領(lǐng)導(dǎo)20余名研究員和實(shí)習(xí)生與鄰近的華盛頓大學(xué)達(dá)成合作培養(yǎng)。

此次獲得RAS先鋒獎(jiǎng)，是表彰“他在概率狀態(tài)估計(jì)、RGB-D感知、機(jī)器人學(xué)中的機(jī)器學(xué)習(xí)，以及為學(xué)術(shù)和工業(yè)機(jī)器人的研究架起橋梁所做出的開(kāi)創(chuàng)性貢獻(xiàn)”。

Fox表示，能獲得研究同事的認(rèn)可與 IEEE 協(xié)會(huì)獎(jiǎng)項(xiàng)是令其難以置信的榮譽(yù)，“我非常感謝在我的職業(yè)生涯中與我共事的那些出色的合作者和學(xué)生，同樣感謝IEEE 注意到構(gòu)建學(xué)術(shù)研究與產(chǎn)業(yè)研究間聯(lián)系的重要性。我相信這種聯(lián)系的建立能夠使我們?cè)陉P(guān)鍵問(wèn)題上取得更快的進(jìn)展?！?/p>

除Fox的會(huì)議演講外，還有19名NVIDIA研究人員將就其發(fā)表的論文進(jìn)行演講，內(nèi)容涵蓋機(jī)器人領(lǐng)域內(nèi)多個(gè)主題。

以下是部分被ICRA收錄的NVIDIA優(yōu)秀研究論文：

機(jī)器人技術(shù)入圍最佳論文獎(jiǎng)

《6-DOF Grasping for Target-Driven Object Manipulation in Clutter》入圍機(jī)器人操作最佳論文獎(jiǎng)和最佳學(xué)生論文獎(jiǎng)。

Adithya Murali是卡內(nèi)基梅隆大學(xué)機(jī)器人研究所的首席研究員之一，他評(píng)價(jià)說(shuō)，本文深入研究了多數(shù)現(xiàn)實(shí)場(chǎng)景中必須面對(duì)的技術(shù)難題——機(jī)器人在混亂環(huán)境中進(jìn)行目標(biāo)抓取的問(wèn)題。目前的許多研究?jī)H考慮平面抓取，即機(jī)器人自上而下抓取，而不能在多維空間中移動(dòng)。

NVIDIA機(jī)器人研究實(shí)驗(yàn)室的資深研究科學(xué)家Arsalan Mousavian作為該論文的另一位首席研究員，解釋了研究中所運(yùn)用的模擬技術(shù)。他說(shuō)：“我們不受任何物理機(jī)器人的束縛，那既費(fèi)時(shí)又昂貴。”

Mousavian及其同事在NVIDIA V100 Tensor Core GPUs上訓(xùn)練算法，并在數(shù)組NVIDIA TITAN GPU上進(jìn)行測(cè)試。這篇論文的訓(xùn)練數(shù)據(jù)包括在不到半天的時(shí)間內(nèi)模擬750，000個(gè)機(jī)器人對(duì)象交互，以及若干在一周內(nèi)訓(xùn)練的模型。一旦訓(xùn)練完成，該機(jī)器人便能夠在現(xiàn)實(shí)世界中強(qiáng)大地操縱物體。

重新規(guī)劃成功

在另一篇名為《Online Replanning in Belief Space for Partially Observable Task and Motion Problems》的論文中，NVIDIA研究團(tuán)隊(duì)考慮了機(jī)器人如何計(jì)劃在具有挑戰(zhàn)性的環(huán)境中完成各種各樣的任務(wù)，例如抓住一個(gè)不可見(jiàn)的物體。

這種方法可能促成更多任務(wù)的完成。該論文首席研究員、麻省理工學(xué)院研究生Caelan Garrett解釋說(shuō)：“我們的工作十分綜合，所處理的任務(wù)不僅包括在環(huán)境中拾取和放置東西，還包括傾倒東西，做飯，嘗試打開(kāi)門(mén)和抽屜。”

Garrett和他的同事創(chuàng)造了一個(gè)開(kāi)源算法SS-Replan，該算法允許機(jī)器人在做出決策時(shí)合并觀察結(jié)果，也就是在努力實(shí)現(xiàn)自身目標(biāo)的同時(shí)，基于新觀察結(jié)果對(duì)決策做出實(shí)時(shí)調(diào)整。

團(tuán)隊(duì)在NVIDIA Isaac Sim（一個(gè)用于開(kāi)發(fā)，測(cè)試和評(píng)估虛擬機(jī)器人的仿真環(huán)境）和真實(shí)機(jī)器人上測(cè)試了他們的成果。

DexPilot： 遙控機(jī)械手臂系統(tǒng)

在另一篇論文中，NVIDIA研究人員面臨機(jī)器人受算法限制不能完成精確操作的問(wèn)題，如從抽屜中拉出茶包，從錢(qián)包里取出一美元鈔票，或自主擰開(kāi)瓶蓋。

在《DexPilot： Depth-Based Teleoperation of Dexterous Robotic Hand-Arm System》一文中，NVIDIA研究人員介紹了一個(gè)可以對(duì)機(jī)器人遠(yuǎn)程操控的系統(tǒng)。DexPilot以攝像頭中人類(lèi)的手為觀察對(duì)象，運(yùn)用神經(jīng)網(wǎng)絡(luò)將運(yùn)動(dòng)傳遞給機(jī)械手。

不同于其他系統(tǒng)需要配合昂貴的設(shè)備如運(yùn)動(dòng)捕捉系統(tǒng)、手套和頭戴式耳機(jī)， DexPilot通過(guò)結(jié)合深度學(xué)習(xí)和優(yōu)化實(shí)現(xiàn)遠(yuǎn)距傳動(dòng)。

據(jù)兩位論文作者、NVIDIA研究人員Ankur Handa和Karl Van Wyk所說(shuō)，他們一收集完數(shù)據(jù)就用了15個(gè)小時(shí)在單個(gè)GPU上訓(xùn)練，過(guò)程中使用NVIDIA TITAN GPU作為支持。