Az NVIDIA hétfőn bejelentette, hogy a nyílt forráskódú Newton Fizikai Motorja mostantól elérhető az Isaac Lab keretrendszerben (az új, nyílt NVIDIA Isaac GR00T N1.6 érvelő látvány-nyelvi-akció modell mellett), amely a robotképességeket és az új mesterséges intelligencia-infrastruktúrát szolgálja.
A vállalat állítása szerint az új platform felgyorsítja az iterációt, egységesíti a tesztelést, összehangolja a képzést és segít, hogy a robotok biztonságosan, megbízhatóan vigyék át a szimulációban tanult képességeket a való világba.
„A humanoidok jelentik a fizikai AI következő határát. Képesnek kell lenniük az érvelésre, az alkalmazkodásra és a biztonságos cselekvésre egy kiszámíthatatlan világban” – érvelt a technológia mellett Rev Lebaredian, az NVIDIA Omniverse és szimulációs technológiákért felelős alelnöke.
„Ezekkel a legfrissebb frissítésekkel a fejlesztők most három számítógéppel vihetik át a robotokat a kutatásból a mindennapi életbe — az Isaac GR00T adja a robot agyát, a Newton szimulálja a testét, az NVIDIA Omniverse pedig terepet ad a kiképzésre.”
Az NVIDIA új szabványt ad a fizikai szimulációhoz
A robotok gyorsabban és biztonságosabban tanulnak szimulációs környezetben, viszont a humanoid robotok, amelyek összetett ízületekkel egyensúlyoznak és hajtanak végre mozgásokat, már a fizikai motorok határait feszegetik.
Ehhez a törekvéshez járulhat hozzá a Google DeepMind, a Disney Research és az NVIDIA közös fejlesztésében épült, nyílt forráskódú, GPU-gyorsított Newton fizikai motor, ami egyelőre béta-verzióban érhető el.
A Newton rugalmas kialakítása és a különböző fizikai megoldó rendszerekkel való együttműködési képessége lehetővé teszi, hogy a fejlesztők rendkívül összetett robotmozgásokat szimuláljanak, például havon vagy murván járást, esetleg csészék és gyümölcsök manipulálását.
Az ember számára hétköznapi cselekvések komoly problémákat jelentenek a humanoid rendszerek fejlesztőinek, viszont, ahogy egy felcseperedő ember esetében is, tanulással és gyakorlással elsajátíthatók. Az NVIDIA célja az, hogy az új fizikai motor segítsen a humán mozgások robotikai megvalósításában.
A Newtonban ennek lehetőségét látták meg olyan világhírű kutató műhelyek, mint az ETH Zürich Robotikai Rendszerek Laborja, a Müncheni Műszaki Egyetem, a Pekingi Egyetem, a Lightwheel robotikai cég vagy a Style3D szimulációs motorfejlesztő vállalat, amelyek már ott is vannak a felhasználók között.
Tényleg emberi mozgásokra képes humanoid robotok kellenek
Ahhoz, hogy a humanoidok emberhez hasonló feladatokat hajtsanak végre a fizikai világban, meg kell érteniük a kétértelmű utasításokat, és kezelniük kell a soha nem látott helyzeteket.
Az új Isaac GR00T N1.6 nyílt robot-alapmodell – amely hamarosan elérhető lesz a Hugging Face AI-fejlesztői közösségi platform felületén – integrálni fogja az NVIDIA Cosmos Reasont, ami egy nyílt, testre szabható érvelő látvány-nyelvi modell, kifejezetten fizikai AI fejlesztéséhez.
A Cosmos Reason a robot – mélyen gondolkodó – agyaként lépésről lépésre végrehajtható tervekké alakítja a homályos utasításokat. A rendszer előzetes tudást, józan észt és fizikai összefüggéseket használva oldja meg az új helyzetek kezelését és a sokféle feladatra történő felkészítést.
Az Isaac GR00T N modelleket olyan vezető gyártók használják általános célú robotok fejlesztésére, mint az AeiROBOT, a Franka Robotics, az LG Electronics, a Lightwheel, a Mentee Robotics, a Neura Robotics, a Solomon, a Techman Robot és az UCR.
További munkafolyamatok a fizikai AI tökéletesítéséhez
Egy robot megtanítása tárgyak megfogására az egyik legnehezebb kihívás, hiszen nem csak a kar mozgatásáról, hanem arról van szó, hogy egy gondolatot hogyan alakítson át pontos cselekvéssé. Ez olyan képesség, amit a robotok próbálkozások és hibák során keresztül kell elsajátítaniuk.
Ebben nyújthat segítséget az Isaac Lab 2.3 fejlesztői előzetesében elérhető új, ügyes fogási munkafolyamat, ami az NVIDIA Omniverse platformjára épül.
A rendszernek köszönhetően többujjas kéz- és karrobotokat lehet kiképezni egy virtuális világban, automatizált tanterv segítségével. Egyszerű feladatokkal kezdi, majd fokozatosan növeli a komplexitást.
A Boston Dynamics Atlas robotjai például ezzel a munkafolyamattal tanulták meg a fogást, jelentősen javítva a manipulációs képességeiket. Rajtuk kívül alkalmazza a NVIDA Omniverse megoldásait az Agility Robotics, a Figure AI, a Hexagon, a Skild AI, a Solomon és például a Techman Robot is.
Tanult robotképességek kiértékelése NVIDIA-szimulációban
Egy-egy új készség elsajátítása — például a járás vagy egy tárgy mozgatása — rendkívül nehéz feladat egy robot számára. A fizikai tesztelés lassú és döbbenetesen drága lenne. A megoldás a szimuláció, amelyben a tanult képességeket akár végtelen számú forgatókönyvön és környezetben lehet kipróbálni.
Ennek ellenére a szimulációban is gyakran olyan egyszerűsített teszteket építenek a fejlesztők, amelyek nem tükrözik a valóságot. Éppen ezért a tökéletes, de egyszerű szimulációban tanult robot azonnal elbukik, amint szembesül a való világ összetettségével.
Azért, hogy a fejlesztők a nulláról való rendszerépítés nélkül is komplex, nagyléptékű értékeléseket futtathassanak a szimulált környezetben, az NVIDIA és a Lightwheel közösen kifejleszti a nyílt forráskódú, szabványosított tesztelést és skálázható kísérletezést lehetővé tevő Isaac Lab – Arena keretrendszert is, amit hamarosan elérhetővé tesznek – közölte a vállalat.
Címlapkép: NVIDIA
