机器人——英伟达的下一场革新

  人工智能通过这么长期的开展，在网络的品种、杂乱程度和处理的信息量上都发生了翻天覆地的改变。网络品种上，从前期的 AlexNet 和 GoogleNet 到现在各式各样的 GAN（生成对立网络）以及各种深度强化学习的网络，它们各自网络结构都有不同，开发者在习惯最新的网络上常常会遇到一些费事。

  网络渐渐的变杂乱，处理的信息量也在成倍地增长，算力需求渐渐的升高的情况下，对搭载处理单元的体积有更多约束的机器人实际上存在着在智能水平上晋级的妨碍。

  其次是练习环境。关于 AlphaGo、DeepMind，科学家们能够设定一个根本规矩，让它永久跑在核算机里，不停地练习，技巧磨炼得越来越强壮，但机器人的练习却远远没这么简略。

  在上一年的 GTC 大会上，黄仁勋展现了加州大学伯克利分校的 AI 试验室所做的曲棍球机器人试验，在一个仅一米左右的直线上，伯克利的曲棍球机器人“艾达”足足试了 200 次才熟练地把握了将球打入门框的技巧。

  “这还仅仅曲棍球！”黄仁勋说道，“假如我想抬起一辆轿车呢？假如我想开门呢？假如我想让机器人和医师合作做手术呢？”

  这儿，英伟达高档软件司理李铭博士指出，在运用深度强化学习对机器人进行练习时，有三个首要的妨碍。

  榜首，实在国际的练习进程过分缓慢，而且本钱贵重。Google 的机器人试验室从前用三个月的时刻拿 14 台机械手臂完结了 30 万次的拾取动作的练习，一起还装备了一整队的工程师“鞍前马后地照顾”这些机器人。对其他公司或许一般研究人员而言，这样的本钱是彻底负担不起的。

  第二，练习的部分很风险，或许会形成某些特定的程度的丢失。机器人在练习时是直接与物理国际交互的，任何的磕碰都或许会导致机体的损害，乃至或许会对练习的“陪护”人员形成损伤。

  第三，练习环境的建立十分耗时耗力。以无人驾驶为例，假如要练习轿车在面临前面轿车追尾时的体现，连日常日子中的数据都很难搜集，更不要说建立起相似的场景了。

  在本年台北电脑展的发布会上，英伟达发布了 NVIDIA Isaac 机器人渠道，包含硬件、软件和虚拟国际机器人模拟器的 NVIDIA Isaac。

  同样在这场发布会上，黄仁勋还发布了“国际首台专为机器人打造的处理器”NVIDIA Jetson Xavier，他手托着这台没有巴掌大的核算机，面临媒体说道：“这便是未来智能机器人的『大脑』。”

  Jetson Xavier 具有逾越 90 亿个晶体管，可供给每秒 30 万亿次操作以上的功能，这一处理才能乃至比高功能的作业站还要强壮。一起，Xavier 具有 6 个高功能处理器，包含 1 个 Volta Tensor Core GPU、1 个 8 核 ARM64 CPU、2 个 NVDLA 深度学习加速器、1 个图画处理器、1 个视觉处理器和 1 个视频处理器。超高的核算才能让能够直接布置在终端机器人上的 Jetson Xavier 能够为机器人的感知和核算供给根底算力的保证。

  英伟达在 2017 年的 GTC 上初次发布了 Isaac 虚拟仿真环境的部分。只需要一般游戏引擎，开发者们就能够打造出一个十分仿真的虚拟环境，在这个 VR 国际里，开发的人能在其算力支撑的条件下，对机器进行尽或许多、尽或许快的练习，练习完结后，机器能够直接布置到机器人上，完结物理国际里的测验。这样一来就处理了练习环境的许多问题。

  在英伟达看来，机器人终归是要具有超强的边际核算才能的，而现在远远逾越现阶段机器人使用需求的 Jetson Xavier，正是为了下一代自主机器打造的 AI 核算芯片，在 Isaac 渠道的支撑下，机器无处不在地助力咱们日常日子作业，进步整个社会的功率，终将在不久后成为实际。