在亞洲最大的IT展會Computex上，老黃介紹了Nvidia新推出的“Isaac Initiative”（以撒計劃），該計劃旨在為機器人提供高保真、高精度、高性能的模擬環(huán)境。 眾所周知，機器人模擬意義重大，有了它，工作人員無需為系統(tǒng)測試創(chuàng)建物理環(huán)境，這大大節(jié)約了時間和精力。
神經(jīng)網(wǎng)絡(luò)由一組輸入和輸出組成，其間含有隱藏層；深層神經(jīng)網(wǎng)絡(luò)則包含有多個隱藏層
近年來機器人的進(jìn)步大家有目共睹，從協(xié)作機器人到自動駕駛汽車，人工智能（AI）和機器學(xué)習(xí)（ML）等概念被逐漸引入機器人系統(tǒng)。
當(dāng)前，一個機器人/AI行業(yè)的熱點話題是深層神經(jīng)網(wǎng)絡(luò)（DNN）。在傳統(tǒng)機器學(xué)習(xí)模式下，機器人通過數(shù)據(jù)集模擬訓(xùn)練可以習(xí)得圖像識別等技能，而在DNN算法下，機器人的識別率會獲得顯著提升，它同樣需要在數(shù)據(jù)集中進(jìn)行訓(xùn)練，因此機器人模擬至關(guān)重要。
機器人模擬需要環(huán)境和軟件支持。目前市面上的開源平臺（機器人仿真軟件類）其實有很多，如Gazebo，它能使用許多高性能物理引擎，如ODE、Bullet、Simbody和DART。但Nvidia選擇了虛幻4（引擎）和PhysX物理引擎的增強版本。
選擇它們是因為它們能保障模擬環(huán)境的真實性和高性能。機器人模擬對環(huán)境的要求很高，在Nvidia創(chuàng)建的機器人打曲棍球的環(huán)境中，球棍與球、球與球門之間的碰撞精度遠(yuǎn)超游戲。
此外，Nvidia還為機器人量身打造了Jetson Robotic參考平臺，該平臺基于Jetson TX2的軟件堆棧技術(shù)，能提供模塊化的構(gòu)件塊，幫助研究人員提高創(chuàng)建原型和仿真環(huán)境的效率。
虛擬模擬環(huán)境的搭建看起來并不簡單，為什么包括Nvidia在內(nèi)的企業(yè)對此充滿熱情？其實這也是無奈之舉。
在真實的物理環(huán)境下，機器人訓(xùn)練耗時久、風(fēng)險大。以工業(yè)機器人為例，一般一個分揀機器人被正式安裝到流水線上前需要進(jìn)行2—3個月的“集訓(xùn)”。不久前，伯克利大學(xué)研發(fā)的分揀機器人依靠機器人模擬，將訓(xùn)練時間縮短到了1天。而DNN的效率會更高。
如上圖所示，在有足夠算力的情況下，“以撒”可同時運行多次多種模擬，這大大提高了機器人的“學(xué)習(xí)”效率，把耗時盡可能降到最低。“以撒”還可以對接到OpenAI Gym，這是一款研發(fā)和比較強化學(xué)習(xí)算法的工具包，含有一個供開發(fā)者訓(xùn)練的工具集。
“以撒計劃”剛剛起步，未來它可能會實現(xiàn)模擬虛擬環(huán)境和現(xiàn)實環(huán)境中機器人與人的交互，給VR技術(shù)帶來新思路。“以撒”的命名讓人浮想聯(lián)翩，至于它能否逃離被媽媽“獻(xiàn)祭”的命運，我們拭目以待。
