NVIDIA研究團隊將在機器人全領域旗艦會議——“國際機器人與自動化會議（ICRA）”上就19篇論文發(fā)表演講。屆時，來自NVIDIA的Dieter Fox將被頒發(fā)由IEEE機器人與自動化協(xié)會授予的RAS先鋒獎。

RAS先鋒獎獲得者 Dieter Fox

始于1984年，由電氣和電子工程師協(xié)會發(fā)起的“國際機器人與自動化會議（ICRA）”作為當前機器人全領域的旗艦會議，匯集了來自世界各地的數千名研究人員，在業(yè)內享有很高聲譽。在今年的線上會議上，來自NVIDIA的Dieter Fox將領取IEEE機器人與自動化協(xié)會頒發(fā)的RAS先鋒獎。

Fox是公司機器人研究高級主管、NVIDIA西雅圖機器人技術研究實驗室負責人，同時在華盛頓大學的保羅·艾倫計算機科學與工程學院（UW Robotics and State Estimation Lab）擔任教授，以及華盛頓大學機器人狀態(tài)估計實驗室負責人。在NVIDIA實驗室，Fox領導20余名研究員和實習生與鄰近的華盛頓大學達成合作培養(yǎng)。

此次獲得RAS先鋒獎，是表彰“他在概率狀態(tài)估計、RGB-D感知、機器人學中的機器學習，以及為學術和工業(yè)機器人的研究架起橋梁所做出的開創(chuàng)性貢獻”。

Fox表示，能獲得研究同事的認可與 IEEE 協(xié)會獎項是令其難以置信的榮譽，“我非常感謝在我的職業(yè)生涯中與我共事的那些出色的合作者和學生，同樣感謝IEEE 注意到構建學術研究與產業(yè)研究間聯(lián)系的重要性。我相信這種聯(lián)系的建立能夠使我們在關鍵問題上取得更快的進展。”

除Fox的會議演講外，還有19名NVIDIA研究人員將就其發(fā)表的論文進行演講，內容涵蓋機器人領域內多個主題。

以下是部分被ICRA收錄的NVIDIA優(yōu)秀研究論文：

機器人技術入圍最佳論文獎

《6-DOF Grasping for Target-Driven Object Manipulation in Clutter》入圍機器人操作最佳論文獎和最佳學生論文獎。

Adithya Murali是卡內基梅隆大學機器人研究所的首席研究員之一，他評價說，本文深入研究了多數現實場景中必須面對的技術難題——機器人在混亂環(huán)境中進行目標抓取的問題。目前的許多研究僅考慮平面抓取，即機器人自上而下抓取，而不能在多維空間中移動。

NVIDIA機器人研究實驗室的資深研究科學家Arsalan Mousavian作為該論文的另一位首席研究員，解釋了研究中所運用的模擬技術。他說：“我們不受任何物理機器人的束縛，那既費時又昂貴?！?/p>

Mousavian及其同事在NVIDIA V100 Tensor Core GPUs上訓練算法，并在數組NVIDIA TITAN GPU上進行測試。這篇論文的訓練數據包括在不到半天的時間內模擬750，000個機器人對象交互，以及若干在一周內訓練的模型。一旦訓練完成，該機器人便能夠在現實世界中強大地操縱物體。

重新規(guī)劃成功

在另一篇名為《Online Replanning in Belief Space for Partially Observable Task and Motion Problems》的論文中，NVIDIA研究團隊考慮了機器人如何計劃在具有挑戰(zhàn)性的環(huán)境中完成各種各樣的任務，例如抓住一個不可見的物體。

這種方法可能促成更多任務的完成。該論文首席研究員、麻省理工學院研究生Caelan Garrett解釋說：“我們的工作十分綜合，所處理的任務不僅包括在環(huán)境中拾取和放置東西，還包括傾倒東西，做飯，嘗試打開門和抽屜?！?/p>

Garrett和他的同事創(chuàng)造了一個開源算法SS-Replan，該算法允許機器人在做出決策時合并觀察結果，也就是在努力實現自身目標的同時，基于新觀察結果對決策做出實時調整。

團隊在NVIDIA Isaac Sim（一個用于開發(fā)，測試和評估虛擬機器人的仿真環(huán)境）和真實機器人上測試了他們的成果。

DexPilot： 遙控機械手臂系統(tǒng)

在另一篇論文中，NVIDIA研究人員面臨機器人受算法限制不能完成精確操作的問題，如從抽屜中拉出茶包，從錢包里取出一美元鈔票，或自主擰開瓶蓋。

在《DexPilot： Depth-Based Teleoperation of Dexterous Robotic Hand-Arm System》一文中，NVIDIA研究人員介紹了一個可以對機器人遠程操控的系統(tǒng)。DexPilot以攝像頭中人類的手為觀察對象，運用神經網絡將運動傳遞給機械手。

不同于其他系統(tǒng)需要配合昂貴的設備如運動捕捉系統(tǒng)、手套和頭戴式耳機， DexPilot通過結合深度學習和優(yōu)化實現遠距傳動。

據兩位論文作者、NVIDIA研究人員Ankur Handa和Karl Van Wyk所說，他們一收集完數據就用了15個小時在單個GPU上訓練，過程中使用NVIDIA TITAN GPU作為支持。