字母公司旗下的Intrinsic将Nvidia技术整合进机器人平台

今年Automate大会的首条消息来自Alphabet X孵化项目Intrinsic。该公司周一在芝加哥活动上宣布，将把一些Nvidia产品整合进其Flowstate机器人应用平台中。

这包括了Isaac Manipulator，这是一套旨在为机器人臂创建工作流程的基础模型集合。这项服务在今年三月的GTC大会上推出，一些工业自动化领域的知名公司已经加入。名单上包括雅斯卡威、索洛蒙、PickNik Robotics、Ready Robotics、法兰卡机器人和通用机器人。

这次合作主要集中在抓取物体这一关键技术上 — 这是制造和配送自动化中的重要模式之一。这些系统经过大量数据集的训练，旨在执行横跨不同硬件和不同物体的任务。

也就是说，捡东西的方法可以应用到不同的环境中，而不必为每种情况都培训系统。作为人类，一旦我们学会了如何拾取物品，这种行为就可以适应不同环境中的不同对象。就目前而言，大多数情况下，机器人无法做到这一点，至少暂时还做不到。

“Intrinsic的创始人兼首席执行官Wendy Tan White在一篇帖子中表示，未来开发人员将能够利用诸如这些现成的通用抓取技能来极大加速他们的编程过程。对于整个行业来说，这一发展表明基础模型可能会产生深远影响，包括使今天的机器人编程挑战更易于规模管理，创造以前无法实现的应用程序，降低开发成本，并增加最终用户的灵活性。”

在Isaac Sim（Nvidia的机器人模拟平台）进行了早期的Flowstate测试。特鲁姆夫机床这个内部客户一直在与该系统的原型进行合作。

特朗普说，这种利用Isaac Sim中100%合成数据训练出的通用抓取技能，可以用来构建复杂的解决方案，可以在模拟和真实环境中执行适应性和多功能的对象抓取任务。他称赞了特朗普与该平台合作的工作：“与其硬编码特定夹具以特定方式抓取特定对象，不如使用基础模型自动生成特定夹具和对象的高效代码，以完成任务。”

Intrinsic还与谷歌旗下的DeepMind合作，破解姿态估计和路径规划 — 自动化的另外两个关键方面。对于路径规划，该系统经过超过13万个物体的训练。公司表示，系统能够在“几秒钟”内确定物体的方向 — 这是能够拾起它们的重要部分。

Intrinsic与DeepMind合作的另一个关键领域是能够同时操作多台机器人。Tan White表示：“我们的团队已经测试了这个100%由机器学习生成的解决方案，可以无缝地协调四台独立机器人在一个缩小的汽车焊接应用仿真中工作。”“每台机器人的运动计划和轨迹都是自动生成的，不会发生碰撞，并且效率出奇地高 - 比我们测试过的一些传统方法表现好约25%。”

团队还在研究同时使用两只手臂的系统，这种设置更符合人形机器人的新兴世界。这是我们未来几年将会看到更多的东西，无论是人形机器人还是其他形式。从一只手臂转变为两只手臂，为这些系统打开了全新的应用世界。