在今年的機器人科學與系統(tǒng)會議 (RSS) 上，NVIDIA 研究中心展示了一系列推動機器人學習的研究成果，展示了在仿真、現(xiàn)實世界遷移和決策制定領(lǐng)域的突破。

NVIDIA 研究中心正在推進將機器人仿真、優(yōu)化技術(shù)與 AI 相結(jié)合的相關(guān)技術(shù)研究，旨在讓機器人的行為更具通用性和適應性。

今年的機器人科學與系統(tǒng)會議 (RSS) 于 6 月 21 日至 25 日在洛杉磯舉辦，來自全球的機器人領(lǐng)域研究人員齊聚一堂，共同探討自主系統(tǒng)、感知能力以及物理智能方面的突破性進展。

來自 NVIDIA 的研究人員展示了多項前沿研究成果，包括仿真到現(xiàn)實遷移、敏捷人形機器人控制、GPU 加速規(guī)劃以及面向開放世界推理的基礎(chǔ)模型等。

NVIDIA 首席研究科學家 Fabio Ramos 表示：“RSS 對機器人領(lǐng)域的基礎(chǔ)研究與現(xiàn)實創(chuàng)新具有重要意義。今年，NVIDIA 展示了多項研究成果，從通過真實數(shù)據(jù)讓人形機器人習得操作技能與敏捷全身運動，到提升其推理與感知能力，這些成果正推動機器人向在復雜環(huán)境中實現(xiàn)更加實時、靈活且智能的自主運行這一目標邁進?！?/p>

以下是 NVIDIA 研究中心 在 RSS 上的部分精選論文，展示了機器人學習與控制領(lǐng)域的突破性進展：

ASAP：由卡內(nèi)基梅隆大學與 NVIDIA 聯(lián)合開發(fā)的方案，讓人形機器人通過從真實世界數(shù)據(jù)中學習對仿真物理的修正，從而在現(xiàn)實世界中完成靈活的全身動作。

仿真與現(xiàn)實協(xié)同訓練：這種簡單的協(xié)同訓練方法利用仿真與現(xiàn)實數(shù)據(jù)，無需域隨機化或微調(diào)即可提升操作性能。

可微分 GPU 并行化任務與運動規(guī)劃：麻省理工學院與 NVIDIA 研究人員開發(fā)的這一方法，通過專為 GPU 并行執(zhí)行優(yōu)化的全可微分任務與運動規(guī)劃流程，使實時高維機器人規(guī)劃更接近現(xiàn)實。

基于視覺語言模型約束推理的開放世界任務與運動規(guī)劃：該算法從自然語言和場景上下文中推斷任務約束，使機器人能夠在復雜、非結(jié)構(gòu)化環(huán)境中進行規(guī)劃。

Fail2Progress：該方法通過使用 Stein 變分推理（一種可用于處理復雜數(shù)據(jù)和模型的計算統(tǒng)計方法）進行概率優(yōu)化，將機器人故障轉(zhuǎn)化為有用的學習信號。

RSS上NVIDIA技術(shù)專家參與的機器人研討會包括：

基礎(chǔ)模型時代的機器人規(guī)劃：探討如何將基礎(chǔ)模型與符號規(guī)劃及神經(jīng)符號規(guī)劃結(jié)合，推進機器人任務與運動規(guī)劃。

生成式建模與人機交互：研究生成模型如何通過改進意圖預測、交互通信與協(xié)同適應來增強人機交互。

并行化時代的快速運動規(guī)劃與控制：討論現(xiàn)代并行計算架構(gòu)如何變革實時運動規(guī)劃與控制系統(tǒng)。

統(tǒng)一化視覺 SLAM：從碎片化數(shù)據(jù)集到可擴展的現(xiàn)實解決方案：旨在提升同步定位與建圖 (SLAM) 能力，以處理大規(guī)模數(shù)據(jù)并為機器人與計算機視覺構(gòu)建更具擴展性的現(xiàn)實解決方案。

了解 NVIDIA 研究中心的更多研究成果，閱讀“NVIDIA 機器人研究與開發(fā)摘要（R2D2）”，深入地了解 NVIDIA 研究中心在物理 AI 和機器人應用方面的最新突破。

三十載光陰荏苒，感謝您一路相伴。愿我們初心不渝，共繪 AI 新篇章！