Bingjie Tang – NVIDIA 技術博客

跨多種幾何形狀訓練機器人裝配技能從模擬到現實遷移

Thu, 11 Jul 2024 05:57:31 +0000

家庭和工業環境中的大多數物體都由多個必須組裝的部件組成。雖然人類工人通常會進行裝配，但在某些行業（如汽車行業）中，機器人裝配非常普遍。大多數這些機器人旨在執行高度重復性的任務，在精心設計的設置中處理特定部件。在高混雜度、低批量制造（即生產各種產品的小批量過程）中，機器人還必須適應多樣化的部件、姿勢和環境。同時保持高精度和準確性，并實現這種適應能力是機器人領域面臨的一項重大挑戰。得益于 NVIDIA 最近在對具有豐富接觸性的交互進行比實時更快的模擬方面取得的進展，現在機器人裝配任務（例如插入）的模擬已經成為可能，詳情請參閱使用 NVIDIA Isaac 通過新型模擬方法推進機器人裝配。這使得使用數據密集型學習算法來訓練模擬的機器人代理成為可能。機器人裝配的 Sim 到 Real Transfer 的后續工作提出了使用強化學習（RL）在模擬中解決少量裝配任務的算法，

Source

]]>

將工業機器人裝配任務從仿真轉化為現實

Fri, 26 May 2023 06:18:06 +0000

仿真是機器人學習新技能的重要工具。這些技能包括感知（從相機圖像中理解世界）、計劃（制定解決問題的一系列行動）和控制（生成電機命令以改變機器人的位置和方向）機器人裝配在汽車、航空航天、電子和醫療器械行業無處不在。設置機器人執行裝配任務是一個耗時且昂貴的過程，需要一個團隊來設計機器人的軌跡并仔細約束其周圍環境在機器人的其他領域，仿真已經成為不可或缺的工具，尤其是在人工智能的發展中。然而，機器人裝配涉及幾何復雜、公差嚴格的零件之間的高精度接觸。長期以來，模擬這些富含接觸的交互一直被認為是計算上難以解決的問題。隨著最近基于 NVIDIA advancing robotic assembly 的發展，比實時模擬更快。這些高速模擬使得能夠在強化學習（ RL ）中使用強大的、最先進的技術。有了 RL ，虛擬機器人可以探索模擬環境，獲得多年的經驗，并通過智能試錯學習有用的技能。

Source

]]>