NVIDIA自主机器人与深度强化学习解读

  李博士对自助机器人和深度强化学习有了更新的解读,对印象深刻的做个总结。
  不同产业、不同工业,机器人外形差别很大。主要部件:控制单元——控制中心(大脑),能动单元——行走的部分。
  传统机械手臂没办法理解到其他手臂的空间范围,目前的工业机器人可以在机械手臂上加入传感器,实现人机协作。
  今天的机器人,需要更多的智能:

  • 目标检测+目标识别
  • 定制化开发
  • 标定和前期校准
  • 当环境变化不鲁邦
  • 需要添加编程

      类似于学自行车的过程,不会有使用手册,标准,没有现实的规则或者公式,人类的决策机制与计算机不同,这就引入了强化学习。
      强化学习符合人的标准直觉,对周围世界感知部分需要特征提取和目标识别,准确率不是很好,模糊控制论盖过了风头。
    NVIDIA自主机器人与深度强化学习解读_第1张图片
      于是出现了强化深度学习,火遍了机器人行业
    特点:不断搜集样本的学习过程
    NVIDIA自主机器人与深度强化学习解读_第2张图片
      阿尔法狗也是强化深度学习的产物,但是真实世界在机器人上还有复杂问题:速度慢、训练有风险且昂贵、实验环境不易、设置部署问题
      NVIDIA ISAAC统一平台,在线训练和数据搜集。在VR世界训练机器人的系统,使开销和安全程度高很多,高清晰度的传感器精度。从仿真的角度方式更加smart。
      NVIDIA自主机器人与深度强化学习解读_第3张图片
      Isaac Sim——一个非常逼真的虚拟仿真环境,为开发者训练自动机器提供条件,并可以借助Jetson Xavier进行硬件测试。
      Isaac在网络边缘植入了大量的计算机能力。自动机器人可以凭借超人的能力感知周围世界,从而通过各种传感器来检测和识别周围的环境。制造业机器人就可以与人类和平共处并一同适应工作中的变化。物流机器人可以有效地支配并管理库存,并送货到家。

你可能感兴趣的:(Deep,Learning,━═━═━◥,AI,◤━═━═━,深度学习实践)