NVIDIA宣布将其人工智能 (AI) 和 Isaac Sim 技术与Intrinsic 的 开发环境相集成。合作公司开发了一款专注于提高机器人抓取能力的原型。 Intrinsic 是一家独立的 Alphabet 公司，专注于创新软件和人工智能驱动的机器人技术。正如上一篇文章所强调的，NVIDIA 致力于生成式 AI 的集成和实施，以帮助使工业虚拟宇宙成为现实。
NVIDIA 和 Intrinsic 合并平台专业知识，以推进工业环境中的机器人抓取。图片由NVIDIA提供
NVIDIA Isaac 机械手
NVIDIA 的Isaac Manipulator是模块化通用处理单元 (GPU) 加速库（用于计算密集型应用程序）和基础模型的存储库，允许机器人软件开发人员构建和部署可重复且可扩展的工作流程，以编排需要灵巧操作的机器人任务。
Isaac Manipulator 使用基础模型（FoundationPose、Synthetica DETR、NVIDIA cuMotion 和 FoundationGrasp） ——一种嵌套在机器学习领域并与 Transformer 深度学习架构（由用于数据处理的解码器/编码器块组成）相结合的AI 神经网络——它可以通过跟踪数据特征并识别顺序数据中的关系来理解大量未标记的数据。
使用未标记的数据比使用标记的数据成本更低、耗时更少。基础模型被描述为生成人工智能的形式，根据输入（人类语言指令的提示）创建生成的输出。
基础模型集中了来自各种来源的数据，可用于许多应用程序。图片由基础模型研究中心 (CRFM)提供
NVIDIA表示，通过Isaac Manipulator开发机器人工业应用时，开发人员可以节省宝贵的编程时间，并将路径规划速度加快多达80倍。零样本学习（无需先前的示例）还提高了机器人的部署速度，提高了效率和生产力，并使开发人员能够自动执行更多新的机器人任务。早期的生态系统合作伙伴包括泰瑞达旗下的Universal Robots、READY Robotics、PickNik Robotics、Yaskawa 等。
机器人抓取能力
执行机器人抓取任务的缺点包括对自主操作进行编程以完成各种动态任务的费用和耗时。这在可用于简化和加速基于机器人操作的应用程序开发的适应性软件创新方面留下了关键差距。
作为与 NVIDIA 合作的一部分，Intrinsic 利用NVIDIA Isaac Sim的功能生成节省成本的合成数据，以训练机器人的 AI 神经网络，以使用金属板和吸力夹具的计算机辅助设计模型执行真空抓取。最终的原型使用了 Intrinsic 的虚拟开发环境Intrinsic Flowstate，该环境可以在校准真实硬件之前通过模拟进行路径规划、姿态估计和机器人单元工作流程测试。
从 NVIDIA 基础模型开发并在 Intrinsic Flowstate 中实施的抓取技能执行的虚拟和现实世界视图。视频由NVIDIA提供
Isaac Manipulator 和 Isaac Sim 可以组合起来，为机器人夹具生成适合应用的姿势、计算统一设备架构 (CUDA) 加速的机器人运动，并在通过 Intrinsic 平台在实际实施之前评估虚拟原型。
提高机器人的灵活性
NVIDIA 和 Intrinsic 携手合作，通过采用两家公司各自技术的最新原型，采用可调节的基于人工智能的生成模型，加速在全球工业环境中开发和部署机器人自动化任务。