NVIDIA rozwija rozwój robotyki na konferencji CoRL 2025, prezentując nowe modele, systemy i narzędzia symulacyjne

NVIDIA wykorzystuje scenę konferencji poświęconej uczeniu się robotów (CoRL) w Korei, aby zaprezentować swoje najambitniejsze dotychczasowe osiągnięcia w dziedzinie uczenia się robotów. Firma prezentuje pakiet otwartych modeli, wydajne nowe platformy komputerowe i silniki symulacyjne, których celem jest zniwelowanie luki między badaniami nad robotyką a praktycznym wdrożeniem.

W centrum zapowiedzi firmy NVIDIA znajdują się wyzwania związane z mobilnością i manipulacją – dwiema z najtrudniejszych przeszkód w robotyce. Łącząc rozumowanie oparte na sztucznej inteligencji, zaawansowaną symulację fizyki i platformy obliczeniowe specyficzne dla danej dziedziny, NVIDIA dąży do przyspieszenia całego cyklu rozwoju robotyki, od wczesnych etapów badań i rozwoju oraz symulacji, przez szkolenia, aż po wdrożenie w środowiskach fizycznych.

Otwarte modele nauki robotyki: DreamGen i Nerd

NVIDIA wprowadziła DreamGen i Nerd, dwa otwarte modele fundamentowe zaprojektowane specjalnie na potrzeby uczenia się robotów.

• DreamGen koncentruje się na generowaniu zróżnicowanych środowisk szkoleniowych do symulacji robotyki, tworząc scenariusze, które wystawiają roboty na przypadki brzegowe i zmienność, z jaką spotkałyby się w świecie rzeczywistym.
• Nerd, a Rozwój robotyki neuronowej Model ten zapewnia zaawansowane możliwości percepcji i rozumowania, dzięki czemu roboty potrafią rozumieć naturalne środowisko, przewidywać skutki i dynamicznie dostosowywać swoje zachowanie.

Udostępniając te modele publicznie, NVIDIA wzmacnia swoje zaangażowanie we wspólne badania nad robotyką, obniżając barierę wejścia dla laboratoriów i startupów oraz zapewniając powtarzalność w środowisku akademickim i przemysłowym. Modele te można bezpośrednio zintegrować z frameworkami robotyki Isaac, usprawniając eksperymenty i wdrożenia.

Nowe platformy komputerowe: symulacja, szkolenie i wdrażanie

Firma NVIDIA ogłosiła również trzy nowe systemy obliczeniowe zoptymalizowane pod kątem każdego etapu rozwoju robotyki:

Omniverse z Cosmosem na RTX Pro (symulacja)

• • Zapewnia środowisko odzwierciedlające prawa fizyki, umożliwiające symulację zadań robotyki.
  • Integruje się z niedawno ulepszonym Isaac Lab w celu umożliwienia uczenia się przez wzmacnianie, testowania kontroli i tworzenia środowiska.
  • Kosmos buduje na Platforma Omniverse RTX firmy NVIDIA, charakteryzująca się renderowaniem opartym na śledzeniu promieni, fotorealizmem i randomizacją domen, co ma kluczowe znaczenie dla transferu symulacji do rzeczywistości w robotyce.
  • Naukowcy mogą tworzyć realistyczne symulacje na dużą skalę, bez konieczności przeprowadzania kosztownych i ryzykownych prób fizycznych.

NVIDIA DGX (szkolenie)

• Pozycjonowany jako szkielet obliczeniowy do szkolenia dużych modeli uczenia się robotów.
• Wykorzystuje architekturę procesorów graficznych NVIDIA Blackwell, umożliwiającą wnioskowanie w czasie rzeczywistym dla sztucznej inteligencji w robotyce przy wyjątkowo niskich opóźnieniach.
• Zoptymalizowane pod kątem obciążeń multimodalnych, łączące wizję, język, ruch i informacje zwrotne z otoczenia w ujednolicone modele.
• Szybko skraca cykl od szkolenia do użytecznych zachowań robota, z możliwością skalowania od eksperymentów laboratoryjnych do przemysłowych prac badawczo-rozwojowych.

NVIDIA Jetson AGX Thor (wdrożenie)

• Zaprojektowane z myślą o wnioskowaniu na urządzeniu i autonomii w warunkach rzeczywistych.
• Wprowadza przyspieszenie działania Transformer Engine dla zadań LLM i dyfuzji bezpośrednio do wbudowanych systemów robotyki.
• Dzięki swojej energooszczędności nadaje się do stosowania w komercyjnych robotach mobilnych, dronach i manipulatorach automatycznych.
• Zaleta: Przenosi rozumowanie w czasie rzeczywistym, zbliżone do ludzkiego, z centrum danych bezpośrednio do świata fizycznego.
• Silnik fizyczny Newtona w laboratorium Isaaca

Silnik Newton Physics Engine, zaprezentowany po raz pierwszy na konferencji GTC 2025, został opracowany we współpracy z Disney Research i Google DeepMind.

• Newton integruje w symulacjach fizykę ciał sztywnych, dynamikę płynów i dynamikę ciał miękkich.
• W laboratorium Isaac naukowcy dysponują teraz precyzyjnymi możliwościami modelowania kontaktu, tarcia, odkształceń i oddziaływań wielomateriałowych.
• Taka dokładność pozwala specjalistom od robotyki na trenowanie zadań manipulacyjnych, takich jak chwytanie delikatnych przedmiotów lub poruszanie się po nierównym terenie, z wysoką niezawodnością przeniesienia ich do zastosowań w świecie rzeczywistym.

Firma NVIDIA zaprezentowała również ciągłą ewolucję swojej rodziny modeli Groot do rozumowania robotów, przechodząc z modelu Groot N1.5 (zapowiedzianego w maju) do Groot N1.6. Modele te są dostrojone do „ludzkiego” planowania, rozumowania i dekompozycji zadań, umożliwiając robotom rozbijanie złożonych zadań na kroki do wykonania, podobnie jak zrobiłby to człowiek-operator.

Blackwell: Sterowanie robotem rozumującym w czasie rzeczywistym

Firma NVIDIA podkreśliła, w jaki sposób jej nowa architektura GPU Blackwell umożliwia rozumowanie w czasie rzeczywistym w robotyce.

• Dzięki mocy obliczeniowej na skalę transformatorową, zamkniętej w energooszczędnych obudowach, roboty mogą podejmować decyzje w czasie rzeczywistym, planować trasę i wnioskować multimodalnie.
• Oznacza to, że roboty nie są już ograniczone do przetwarzania wsadowego na serwerach w chmurze; mogą myśleć i działać na bieżąco.
• Kluczowe obszary zastosowań obejmują automatyzację logistyki, robotykę w służbie zdrowia, manipulację przemysłową i autonomiczną mobilność.

Znaczenie

Działania firmy NVIDIA w dziedzinie robotyki są znaczące nie tylko ze względu na szeroki wachlarz wprowadzanych narzędzi, ale także ze względu na ścisłą integrację ekosystemu. Postępy obejmują:

• Otwarte modele:Wyrównywanie szans, zachęcanie do szybkich innowacji w środowisku akademickim i przedsiębiorstwach.
• Silniki symulacyjne:Zmniejsz koszty i ryzyko związane z iteracją sprzętu, zapewniając szybsze transfery z laboratorium do produkcji.
• Skalowalne obliczenia (DGX + Jetson):Zapewnij ciągłość; te same modele można trenować w klastrach DGX, a następnie wdrażać je efektywnie za pomocą Jetson AGX Thor.
• Postępy w rozumowaniu robotów: Aby wypełnić kluczową lukę w obecnych systemach, większość robotów działa reaktywnie, a nie proaktywnie. NVIDIA wyposaża je w zdolność planowania i rozumowania jak ludzie.

W obliczu wciąż dużych wyzwań związanych z mobilnością i manipulacją, ujednolicone podejście firmy NVIDIA, łączące otwarte modele badawcze, symulacje zgodne z prawami fizyki i gotowe do wdrożenia obliczenia, czyni z niej główną siłę napędową w przyspieszaniu autonomii robotów.