Nvidia rilascia un toolbox per robot per approfondire il supporto della robotica basata sull’intelligenza artificiale in ROS
Nvidia ha annunciato oggi che Isaac , il suo toolbox per sviluppatori per il supporto della robotica basata sull’intelligenza artificiale, approfondirà il supporto del Robot Operating System (ROS).
L’annuncio è stato fatto questa mattina al ROS World 2021, una conferenza per sviluppatori, ingegneri e appassionati che lavorano su ROS, un popolare framework open source che aiuta gli sviluppatori a creare e riutilizzare il codice utilizzato per le applicazioni di robotica.
Nvidia , che sta cercando di affermare il suo primato come fornitore di processori per applicazioni AI, ha annunciato una serie di tecnologie di “percezione delle prestazioni” che faranno parte di ciò che ora chiamerà Isaac ROS. Ciò include la visione artificiale e la funzionalità AI/ML nelle applicazioni basate su ROS per supportare cose come i robot autonomi.
La mossa arriva quando anche la piattaforma robotica di Amazon, RoboMaker, si è mossa rapidamente per supportare ROS .
Il ROS World 2021 è la nona conferenza annuale degli sviluppatori – modellata su PyCon e BoostCon – per gli sviluppatori di tutti i livelli da cui imparare e fare rete con la comunità ROS.
Nvidia ha affermato che le sue offerte mirano ad accelerare e migliorare gli standard di sviluppo del prodotto e le prestazioni del prodotto.
Soluzione Isaac ROS GEM per una soluzione di odometria stereo visiva ottimizzata in tempo reale
Lo scopo del nuovo Isaac ROS GEM per Stereo Visual Odometry è quello di aiutare i veicoli autonomi a tenere traccia di dove si trova una telecamera rispetto alla sua posizione iniziale. Se visto da una prospettiva più ampia, aiuta queste macchine autonome a tenere traccia della loro posizione rispetto all’ambiente più ampio.
Con questa soluzione, gli sviluppatori ROS ottengono una soluzione di odometria visiva per telecamera stereo in tempo reale (>60fps@720p) che funziona a una velocità immensa e può eseguire la risoluzione HD in tempo reale su un Jetson Xavier AGX.
Gli sviluppatori ROS possono ora accedere a tutti i modelli di inferenza NGC DNN di Nvidia
Con DNN Inference GEM, gli sviluppatori ROS possono ora sfruttare qualsiasi modello di inferenza di Nvidia disponibile su NGC o offrire il proprio DNN. TensorRT o Triton, i server di inferenza di Nvidia, distribuiranno questi pacchetti ottimizzati. Il GEM è anche compatibile con U-Net e DOPE. L’U-Net aiuta a generare maschere di segmentazione semantica dalle immagini, mentre DOPE aiuta a stimare le pose tridimensionali per tutti gli oggetti rilevati. Se desideri integrare l’inferenza AI performante in un’applicazione ROS, l’inferenza DNN GMM è una delle alternative più veloci che puoi ottenere.
Rilascio di Isaac SIM GA per la robotica basata sull’intelligenza artificiale
Previsto per essere lanciato nel novembre 2021, questa versione GA di Isaac SIM includerà miglioramenti nell’interfaccia utente e nelle prestazioni, rendendo la creazione di simulazioni molto più veloce. Il bridge ROS migliorerà, così come l’esperienza degli sviluppatori con un numero maggiore di campioni ROS. La nuova versione ridurrà l’utilizzo della memoria e i tempi di avvio e migliorerà il processo di generazione delle mappe di occupazione. Le nuove varianti di ambiente includono grandi magazzini, uffici e ospedali e i nuovi blocchi di costruzione Python possono interfacciarsi con robot, oggetti e ambienti.
Flusso di lavoro per la generazione di dati sintetici
Affrontare i problemi di sicurezza e qualità dei robot autonomi è fondamentale in quanto si tratta di un volume di dati ampio e diversificato per modellare perfettamente i suoi modelli di intelligenza artificiale. Sono questi modelli di intelligenza artificiale che gestiscono lo stack di percezione. Il nuovo flusso di lavoro di dati sintetici fornito con Isaac Sim aiuta a creare set di dati di qualità di produzione, affrontando i problemi di sicurezza e qualità dei robot autonomi.
Con questo flusso di lavoro di generazione dei dati, il controllo dello sviluppatore diventa esteso. Lo sviluppatore può controllare la distribuzione stocastica degli oggetti nella scena, la scena stessa, l’illuminazione, i sensori sintetici e l’inclusione di casi d’angolo cruciali nei set di dati. Infine, il flusso di lavoro aiuta anche le informazioni sulla versione e il debug per l’esatta riproduzione dei set di dati per il controllo e la sicurezza.
