NVIDIA robot biliminde nasıl önemli bir oyuncu haline geldi? - Dünyadan Güncel Teknoloji Haberleri

NVIDIA robot biliminde nasıl önemli bir oyuncu haline geldi? - Dünyadan Güncel Teknoloji Haberleri
Olan biteni görebiliyorlar Nvidia Metropolis adında bir platformumuz var Subscribe here Dışarıdan içeriye robotik denilen bir şey de var

Nvidia’nın son birkaç kazanç raporundan sonra olumlu bir takviye için umutsuz olduğu söylenemez, ancak şirketin robot stratejisinin son yıllarda ne kadar iyi sonuç verdiğine dikkat çekmeyi garanti ediyor Tüm özerklik için onu takabilirsiniz Onlara yardımcı olacak araçlarımız var ancak filo yönetimi, hizmeti sağlayan veya robotu yapan kişi tarafından yapılıyor Hemen kendi inancını oluşturdu ve Nvidia’yı bir yapay zeka şirketi olmaya yöneltti Dolayısıyla, üretkenliğin arttığına dair bazı işaretleri şimdiden görebilirsiniz Yeni alan esas olarak iki binadan oluşuyor: sırasıyla 500 CUDA aslında bizi yapay zekaya sokan şeydir İzlemesi ilham vericiydi ve bazen Nvidia’nın dönüşümüne tanık olmak için orada olduğuma hâlâ inanamıyorum Kasım 2015’te Jensen [Huang] ve birkaç şeyi sunmak için San Francisco’ya gittim Rekabet etmenin bir anlamı yok “Tıpkı insanlar gibi Derin öğrenmenin tüm dünyaya ilk kez 2012 yılında ulaştığını düşünüyorum Arduino gibi şirketlerin uğrunda can atacağı türden bir yayılma bu

Geçen hafta şirketin devasa Santa Clara ofislerini ziyaret ettim

Robotik ne zaman Nvidia için bulmacanın bir parçası haline geldi?

2010’ların başı diyebilirim

İkisinin arasında, güneş panellerini destekleyen geniş, çapraz kafeslerin altında, ağaçlarla kaplı bir açık hava yürüyüş yolu bulunmaktadır Bana %70 veriyor Daha önce olduğundan kesinlikle daha iyi bir adım fonksiyonu olduğunu görebileceğiniz bariz şeyler var Ancak Isaac kimsenin yapamayacağı şeyleri yapabilir ”

Resim Kredisi: TechCrunch

2015 yılında Jetson sistemini tanıttığınızda ilk tepkiler nasıl oldu? Çoğu insanın oyunla bağdaştırdığı bir şirketten geliyordu Ve araştırma üyelerimizin çoğunun ikili ilişkileri de var



genel-24

Çoğu tüketicinin alışık olduğu şey budur

Resim Kredisi: NVIDIA

Bu arada Nvidia’nın robot bilimine girişi her türlü kısmetten faydalandı

Ofis cihazına atıfta bulunarak, “Çoğu insan robotiği tipik olarak kolları, bacakları, kanatları veya tekerlekleri olan fiziksel bir şey olarak düşünüyor; siz bunu içten dışa algı olarak düşünüyorsunuz” dedi Omniverse’in üzerine inşa edilmiştir Benim için okuyup özetlemesine izin vermeyeceğim 000 ve 750 Benim için bir e-posta oluşturabilir Tam olarak doğru değil ama sıfırdan başlamama gerek yok Herkesin CUDA’nın tüm bölümlerini kullanmasına gerek yoktur ancak durum aynıdır Herkesle bağlantı kurmak ve tıpkı bizim onların platformundan yararlandığımız gibi başkalarının da platformumuzdan yararlanmasına yardımcı olmak istiyoruz Gazebo temel görevler için iyidir Günün sonunda GPU’lu mikroişlemciler üretiyoruz Startup’larla çalışmak ve yatırım yapmak için geçen Temmuz ayında şirketten ayrıldı Apple’a, Google’a ve Facebook’a sormanız yeterli

Hayır hayır ”

Birkaç demodan sonra Nvidia’nın başkan yardımcısı ve Gömülü ve Kenar Bilgi İşlem genel müdürü Deepu Talla ile görüştüm Bu bir süre önceydi Bu, yapay zeka ve makine öğrenimine giderek daha fazla yatırım yapılan bir dünyanın temelini oluşturuyor Yapay zeka hâlâ yeniydi, hangi kullanım senaryosunu anladığınızı açıklamanız gerekiyordu ”

Bu Şubat ayında, şirket kaydetti, “Dünya çapında bir milyon geliştirici artık yenilikçi teknolojiler geliştirmek amacıyla uç yapay zeka ve robot bilimi için Nvidia Jetson platformunu kullanıyor İşte o zaman AI bir nevi gerçekleşti Bir şeyi özetlemek mükemmel değil Nvidia, robot bilimini üretimin ötesinde yaygınlaştırmanın çoğu kişi için hala boş bir hayal gibi göründüğü bir dönemde bu kategoriye çok fazla yatırım yaptı Aynı zamanda Washington Üniversitesi’nde robotik alanında profesördür Genellikle filo yönetimi öyledir Donanımı, yazılımı ve algoritmaları yeniden icat etmemizi gerektiriyordu yeni bir profil Bryan Catanzaro’ya Aynı zamanda herhangi bir AI modunu, herhangi bir çerçeveyi, gerçek dünyada yaptığımız her şeyi bağlamak için tasarlanmıştır Gazebo’nun yerini almaya çalışmıyoruz Nisan, TK1’in piyasaya sürülmesinden bu yana geçen on yılı işaret ediyor Otonom bir drone yapmak isteseydiniz ne gerekirdi? Şu kadar sensöre sahip olmanız, bu kadar kareyi işlemeniz gerekiyor, bunu tanımlamanız gerekiyor Daha sonra hemen şunu söyledi: LinkedIn, [Full quote excerpted from the LinkedIn post], “Aslında Jensen’ı ikna etmedim, bunun yerine ona sadece derin öğrenmeyi anlattım ”

Platformda vakit geçirmemiş bir robot geliştiricisi bulmakta zorlanacaksınız ve açıkçası kullanıcıların hobicilerden çok uluslu şirketlere kadar uzanan yelpazeyi nasıl yönettikleri dikkat çekici Omniverse’de sahip olduğunuz her şey Isaac Sim’e geliyor Konuşmaya başladığımızda, uzak duvarda Jetson platformunu çalıştıran Cisco telekonferans sistemini işaret etti Aslında yol üzerinde eski ve yeni genel merkezi birbirine bağlayan bir yaya köprüsü var Unutmayın, bir platform oluşturmaya çalışıyoruz 000 metrekarelik Voyager ve Endeavor Video analizleri var ve trafik kavşakları, havalimanları ve perakende satış ortamları için ölçekleniyor ”

2015 yılı, yalnızca bulut için değil, hem Jetson hem de otonom sürüş için EDGE’i başlattığımız yıldı South Bay Big Tech genel merkezindeki mücadele son yıllarda gerçekten kızıştı, ancak etkili bir şekilde para basıyorsanız, arazi satın almak ve ofis inşa etmek muhtemelen bunu yönlendirmek için en iyi yerdir 2018, ‘şirketle bahse girme’ anıydı

Evet, ama bu değişiyor Jetson’u düşündüğümüzde aklımıza gelen tipik AMR’lerden çok farklı Dieter Fox, Nvidia robotik araştırmasının başkanıdır

Isaac Sim ile karşılaştırıldığında nasıldır? [Open Robotics’] Gazebo mu?

Gazebo sınırlı simülasyonlar yapmak için iyi ve temel bir simülatördür CUDA, robotik, yüksek performanslı bilgi işlem ve buluttaki yapay zeka için de aynıdır Çoğu durumda üniversitelerle bağlantılıdırlar Bu şeyler hareket etmiyor yayınlıyoruz Ama sen haklısın 2018’de açılan binaların San Tomas Otoyolu’ndan gözden kaçırılması imkansız Bu arada, Nvidia’nın oyun konusundaki engin bilgisinin, robotik simülasyon platformu Isaac Sim için büyük bir değer olduğu kanıtlandı İnsanlar çevremizi görmek ve durumsal farkındalık toplamak için sensörlere sahiptir

Araştırma üniversiteleriyle mi çalışıyorsunuz?

Kesinlikle 000’den fazla şirket, platformu ürünlerine entegre etti

Ağustos ayında SIGGRAPH’ta konuşan CEO Jensen Huang şöyle açıklıyor: “Rasterleştirmenin sınırlarına ulaştığını fark ettik Araştırma yaparken açık olması gerekiyor Firma, tasarım ve üretimden, giderek daha karmaşık görevleri yerine getirebilen düşük güçlü sistemlerin oluşturulmasına kadar, silikonu bu noktada dünyadaki herkes kadar iyi biliyor Örneğin John Deere bir traktör satıyorsa çiftçiler bizimle konuşmuyor

ROS ile rekabet etmek istemiyorsunuz Daha sonra grafiksel olmayan uygulamalarda da kullanılabilmesi için GPU’larımıza CUDA’yı ekledik Elimizdeki örnek otonom bir drondu

Dağıtım veya filo yönetimi gibi konularda son kullanıcılarla mı çalışıyorsunuz?

Muhtemelen değil Verimlilik artışını zaten görebilirsiniz Yapay zeka ile CG’yi yeniden keşfederken, yapay zeka için GPU’yu da yeniden icat ediyorduk Gerçekten mükemmel bir fırtına Ayrıca üçte biri startup olan 6 Artık yapay zeka, örneğin ışın izleme sayesinde oyunlara yardımcı oluyor

İnsanlarla üretken yapay zekayı tartıştığınızda, onları bunun geçici bir hevesten daha fazlası olduğuna nasıl ikna edersiniz?

Sanırım sonuçlarda konuşuyor ]

Robot bilimi hakkında NVIDIA ile uzun uzun konuştuğum son sefer, aynı zamanda Sessions etkinliğimizde Claire Delaunay’ı sahneye çıkardığımız son seferdi Gazebo’yu Isaac Sim’e bağlamak için basit bir ROS köprüsü sağlıyoruz Bahsettiğimiz tüm bu ara yazılımlar aynı Aslında iki hafta önce tarım teknolojisi firması Farm-ng’de yönetim kurulu danışmanı olarak çalışmalarını tartışmak için Disrupt’taki TechCrunch sahnesine geri döndü Aynı zamanda görsel sadakate de sahiptir

Nvidia’nın oyun geçmişi robotik projelerine nasıl yön verdi?

Şirketi ilk kurduğumuzda, GPU’ları oluşturmamız için bize fon sağlayan şey oyundu Binanızda kameraların ve sensörlerin olduğunu hayal edin


[A version of this post appeared in TechCrunch’s robotics newsletter, Actuator Nvidia o zamanlar teklifi bu şekilde tanımlamıştı“Jetson TK1, geliştirmeyi bir PC’de geliştirmek kadar basit hale getiren kompakt, düşük güçlü bir platformda Tegra K1’in yeteneklerini geliştiricilere getiriyor Ve eğer bunu bugün yapmak istiyorsanız, seçeneğiniz nedir? O zamanlar böyle bir şey yoktu Kaç hesaplamaya ihtiyacımız olacağını belirlemek için kaba bir matematik yaptık