由于 NVIDIA 创新的三计算机解决方案,人工智能与物理系统的集成将显著推进。据 NVIDIA 博客 的一篇文章详细介绍,这些系统将促进训练、模拟和推理方面的突破,推动工业应用中物理 AI 的发展。
多模态物理AI的兴起
自 2012 年 AlexNet 推出以来,人工智能已从简单的图像识别转变为在 GPU 上运行的 Software 2.0 的复杂领域。NVIDIA 的最新进展旨在将 AI 的能力扩展到三维世界,使机器人能够感知、理解和与其环境互动。
与数字 AI 不同,物理 AI 包括嵌入在类人机器人、工厂和其他工业系统中的 AI。从静态系统到自主系统的转变预计将彻底改变交通、物流和制造等行业。
下一个前沿领域:类人机器人
适应人类环境的类人机器人预计将在机器人市场占据主导地位,到 2035 年预计将达到 380 亿美元。这一增长由全球致力于开发能在各种环境中高效运作、所需改动最小的机器人的努力推动。
这些进步得益于 NVIDIA 的开发平台,这些平台结合了多模态模型和可扩展的模拟,在实际部署前允许在虚拟环境中精炼和优化机器人的技能。
开发物理AI的三台计算机
NVIDIA 的三计算机架构包括用于训练 AI 模型的超级计算机、用于模拟和开发的 NVIDIA Omniverse 以及用于运行时部署的 NVIDIA Jetson Thor。这些系统的集成支持创造能够执行复杂任务的先进机器人,如 3D 感知和自主操作。
这些平台促进了模拟和测试,降低了与物理数据采集相关的成本和风险。在边缘计算系统上部署 AI 模型,实现了自助手的高效车载处理。
构建新一波的自主设施
制造和物流等行业准备从这些创新中受益,像富士康和亚马逊机器人这样的公司走在前列。使用数字孪生进行计划和优化进一步增强了自主设施的能力,确保无缝集成和操作效率。
基于 NVIDIA Omniverse 构建的数字孪生框架,允许全面的机器人系统模拟和验证,使企业能够在实施实际之前预测和缓解潜在问题。
用 NVIDIA 技术赋能开发者生态系统
NVIDIA 的技术为全球开发者和机器人公司生态系统赋能,促进创新 AI 应用的创建并加速先进机器人解决方案的部署。像 Universal Robots 和 Boston Dynamics 这样的公司正在利用 NVIDIA 的平台提升其机器人产品。
随着物理 AI 的时代展开,NVIDIA 的三计算机解决方案处于这一变革的前沿,推动各个领域的进步,为新一代智能机器铺平道路。
Image source: Shutterstock