在過去的一年中，以生成式 AI 為代表的技術趨勢為各行各業帶來了巨大變革，機器人行業也不例外。如今，越來越多的行業開始應用由 AI 驅動的自主機器，實現更為先進的技術范式，以提高生產效率和降低運營成本。

本文精選多篇 NVIDIA 博客，盤點過去一年來 NVIDIA 帶來的前沿機器人技術及其在機器人領域的多樣應用！

技術藍圖：

NVIDIA 賦能機器人智能化發展

NVIDIA 擴大 Isaac 軟件的接入范圍

并提高 Jetson 平臺的可用性，

加快機器人技術從云到邊緣的發展

NVIDIA 于 GTC 2023 上宣布，Omniverse Cloud托管至 Microsoft Azure ，以擴大 NVIDIAAI 機器人開發和管理平臺 Isaac Sim的接入范圍。同時全線Jetson Orin模組均已推出，為邊緣 AI 和機器人應用帶來性能上的飛躍。

NVIDIA Isaac AMR 助力

移動機器人實現高級自動化

想要提高運營效率的行業對移動機器人的需求日益增長，使得移動機器人的出貨量激增。NVIDIA Isaac AMR 是一個用于仿真、驗證、部署、優化和管理自主移動機器人車隊的平臺，包含了邊緣到云的軟件服務、計算以及一套參考傳感器和機器人硬件，可加快 AMR 的開發和部署速度，減少成本和縮短產品上市時間。

基于 NVIDIA Jetson

使用硬件在環設計機器人

Hardware-in-the-Loop（硬件在環，HIL）測試是一種強大的工具，用于驗證和核實包括機器人技術和計算機視覺在內的復雜系統的性能。文章展示了如何設置 HIL 和使用 NVIDIA Jetson Isaac ROS 模塊進行測試，以及如何嘗試 NVIDIA Isaac Sim，從而獲得更安全、更可靠、更高效的產品。

NVIDIA 擴展機器人平臺，

迎接生成式 AI 的崛起

NVIDIA 在 Jetson 平臺上對 Metropolis 和 Isaac 框架進行了有史以來規模最大的軟件擴展，并結合 Transformer 模型與生成式 AI 的強大功能來滿足邊緣 AI 的快速部署需求。同時，NVIDIA 還創建了一個 Jetson 生成式 AI 實驗室，以供開發者利用最新的開源生成式 AI 模型進行開發。

訓練自主移動機器人使用合成數據

檢測倉庫托盤千斤頂

在訓練那些部署在 AMR 上的感知 AI 模型時，合成數據可以發揮關鍵作用。這一過程在制造業中變得越來越重要。NVIDIA 能夠幫助訓練 AMR 使用合成數據來檢測倉庫中的托盤千斤頂。托盤千斤頂通常用于抬起和運輸重型托盤。在擁擠的倉庫中，AMR 進行檢測并避免與托盤千斤頂相撞是很重要的。

從 0 到 1：

NVIDIA 助力輕松開發機器人

從 0 到 1 搭建機器人 | 使用 NVIDIA Isaac SimReplicator

和 TAO 套件進行數據合成和訓練

從零開始創建一個機器人并非及其困難，使用合適的工具，就能夠輕松達到事半功倍的效果。“從 0 到 1 搭建機器人” 系列文章第一篇先從數據標記、模型訓練開始，為大家介紹Isaac Sim Replicator和NVIDIA TAO 工具套件，前者用于生成合成數據，后者可對合成數據進行訓練，為機器人的仿真打下堅實的基礎。

進行仿真開發與測試

系列文章第二篇將帶領大家繼續學習如何創建虛擬環境，進行機器人的仿真開發與測試。對應使用的工具是NVIDIA Isaac Sim，一款可擴展的機器人仿真應用程序和合成數據生成工具，驅動逼真的、物理準確的虛擬環境。

加速 SDK 打造自主機器人

在此系列第三篇中我們帶領大家繼續學習如何打造自主機器人，登場的是NVIDIA Jetson和一系列硬件加速 SDK，旨在將 AI 緊密融入基于 NVIDIA Jetson 的自主機器人系統，推動機器人在感知、決策和交互方面邁向更智能化的未來。

作為此系列的最后一篇，我們將視野從之前的“單個”機器人移向“多個”機器人，為大家介紹如何利用 Isaac AMR，為機器人的開發提供最先進的 AI 平臺和工作流程，便捷、高效地管理機器人編隊，以優化生產力。

腦洞大開：

NVIDIA 解鎖機器人多樣可能

開發者使用 NVIDIA Jetson

讓 AI 驅動維修機器人

來自克羅地亞的 Goran Vuksic 在現實世界中制造出了《星球大戰》中的維修機器人（Pit Droid）。他使用NVIDIA Jetson Orin Nano開發者套件作為機器人的大腦，讓這個身高不到四英尺、眼睛只有一個簡單網絡攝像頭的機器人能夠識別物體，并將頭部轉向物體。

審核編輯：劉清