Search Results Isaac Sim

NVIDIAのGPUはAWS上でOmniverse Isaac Simにおいて2倍のシミュレーションの進化を提供し、スマートなロボットの加速を実現します

クラウド上でよりインテリジェントなロボットを開発することが、スピードの倍増をもたらします。 NVIDIA Isaac SimとNVIDIA L40S GPUsがAmazon Web Servicesに導入され、開発者はクラウド上で加速されたロボットアプリケーションを構築および展開することができます。 AI対応ロボット用の拡張可能なシミュレータであるIsaac Simは、NVIDIA Omniverse開発プラットフォーム上に構築され、OpenUSDアプリケーションの構築と接続を可能にします。 AIコンピューティングの強力さとグラフィックスおよびメディアの高速化を組み合わせると、L40S GPUは次世代のデータセンターワークロードのパワーになります。 Ada Lovelaceアーキテクチャに基づいたL40Sは、過去の世代と比較してOmniverseに対して最大3.8倍の性能向上をもたらし、エンジニアリングおよびロボティクスチームの性能を向上させます。加速による世代間の飛躍により、Isaac Simを使用した幅広いロボットシミュレーションタスクにおいて、L40S GPUはA40 GPUと比較して2倍の高速パフォーマンスを実現します。 L40S GPUは、言語モデルの微調整から画像へのテキスト変換やチャットアプリケーションへのリアルタイム推論など、生成的AIのワークロードでも活用することができます。 NVIDIA L40Sの新しいAmazon Machine…

「速さの中で：NVIDIAがオムニバースクラウドサービスをMicrosoft Azure上で発表し、自動車のデジタル化を加速する」

自動車会社は、製品ライフサイクルのあらゆる段階で変革を遂げています。物理的で手動的なプロセスを、ソフトウェア駆動型でAIを活用したデジタルシステムに進化させています。 NVIDIAは、コストの削減とリードタイムの短縮を支援するために、Omniverse Cloudに新たな2つのシミュレーションエンジンを発表しています。それらは、仮想工場シミュレーションエンジンと自動運転車（AV）シミュレーションエンジンです。 Omniverse Cloudは、産業デジタル化のためのアプリケーションの開発と展開を行うためのプラットフォームとして、Microsoft Azure上にホストされています。このワンストップショップでは、世界中の自動車メーカーが、自社の製品とビジネスプロセス全体を統一的にデジタル化することができます。これにより、より迅速な生産と効率的なオペレーションを実現し、市場投入までの時間を短縮し、持続可能性の取り組みを向上させることができます。設計、エンジニアリング、製造チームにとって、デジタル化は彼らの業務を合理化し、従来は主に手動で行われていた産業プロセスを、コンセプトやスタイリング、AVの開発・テスト・検証、工場計画などの効率的なシステムに変換します。仮想工場シミュレーションエンジン Omniverse Cloudの仮想工場シミュレーションエンジンは、カスタマイズ可能な開発者アプリケーションとサービスのコレクションであり、工場計画チームが大規模な産業データセットを接続し、リアルタイムで共同作業、ナビゲーション、レビューすることを可能にします。 3Dデータを扱う設計チームは、仮想工場を組み立て、軽量デバイスから完全な保護期間の製造データセットを表示、注釈、更新することができます。Omniverse Cloud上で仮想工場をシミュレーションすることで、自動車メーカーは、建設が進行している間に変更が必要な場合に生じる数年間の取り組みと何百万ドルもの費用を節約しながら、スループットと生産品質を向上させることができます。 Omniverse Cloudでは、Autodesk Factory Planningなどの既存のソフトウェアアプリケーション（ビルディング、機械、電気、配管、工場ラインをサポートする）や、SiemensのNX、Process Simulate、Teamcenter VisualizationソフトウェアとJTファイル形式など、既存のソフトウェアアプリケーションとの相互運用性を実現できます。2Dデバイス上でリアルタイムに知識とデータを共有したり、拡張現実でライブの仮想工場レビューを行ったりすることができます。欧州最大の自動車メーカー向けの主要なITソリューションプロバイダーであるT-Systemsは、Omniverse Cloudに展開可能なカスタム仮想工場アプリケーションを構築・展開しています。 NVIDIAのService Delivery PartnerプログラムのエリートメンバーであるSoftServeも、工場の設計、生産計画、制御をカバーしたカスタムの工場シミュレーションと可視化ソリューションを、このOmniverse Cloudエンジン上で開発しています。…

「サンゴ礁の衰退を転換する：CUREEロボットが深海にディープラーニングでダイブする」

研究者たちは、深層学習を文字通りに深く掘り下げています。ウッズホール海洋研究所（WHOI）の自律型ロボットおよび知覚ラボ（WARPLab）とMITは、珊瑚礁とその生態系の研究のためのロボットを開発しています。世界最大の民間海洋研究機関の努力であるWARPLabの自律型水中無人機（AUV）は、NVIDIA Jetson Orin NXモジュールによって可能にされ、珊瑚礁の衰退に歯止めをかけることを目指しています。世界中の珊瑚礁の25%が過去30年間で消滅し、残りのほとんどの珊瑚礁も絶滅の危機に直面していると、WHOI Reef Solutions Initiativeは述べています。 AUV（興味津々の海中エコシステム探査用水中ロボット）と名付けられたCUREEは、ダイバーと一緒にビジュアル、音声、および他の環境データを収集し、珊瑚礁とその周りの海洋生物への人間の影響を理解するのに役立ちます。このロボットは、珊瑚礁の3Dモデルを構築し、生物や植物を追跡するためにNVIDIA Jetson対応のエッジAIの拡張コレクションを実行します。また、自律的にナビゲートし、データを収集するモデルも実行します。 1986年にはじめてタイタニックを探査したWHOIは、CUREEロボットをデータ収集のために開発し、対策に協力します。この海洋研究機関は、シミュレーションおよびデジタルツインの使用も検討しており、3Dツールとアプリケーションを構築および接続する開発プラットフォームであるNVIDIA Omniverseなどの解決策を調査しています。 NVIDIAはOmniverseで地球のデジタルツインを作成し、気候変動を予測するための世界で最もパワフルなAIスーパーコンピュータを開発しています。それはEarth-2と呼ばれています。水中AI：DeepSeeColorモデルシュノーケリングをしたことのある人なら、水中の視界は陸上と比べて明確ではないことを知っています。水中では、太陽からの可視光スペクトルが距離によって減衰し、一部の色が他の色よりも抑制されます。同時に、水中の微粒子によって、バックスキャッタと呼ばれる朦朧とした視界が生じます。 WARPLabのチームは最近、これらの問題を軽減し、CUREEの作業をサポートする海中ビジョン補正に関する研究論文を発表しました。この論文では、DeepSeeColorと呼ばれるモデルを使用して、2つの畳み込みニューラルネットワークのシーケンスを実行し、水中でリアルタイムにバックスキャッタを低減し、色を補正します（NVIDIA Jetson Orin NX上で）。「NVIDIAのGPUは、大部分のパイプラインで使用されています。画像が入ってくると、DeepSeeColorを使用して色補正を行い、魚の検出を行い、それを船上の科学者に送信できます」と、MITのロボティクス博士候補であり、WARPLabのAI開発者であるスチュワート・ジェミーソン氏は述べています。目と耳：魚と珊瑚の検出 CUREEには、前方を向いたカメラ4台、水中音声キャプチャのための水中マイク4台、深度センサー、慣性計測ユニットセンサーが搭載されています。水中でのGPSは機能しないため、水上にある間にロボットの開始位置を初期化するためにのみ使用されます。…

「NVIDIAは創造的AIの台頭に対応するため、ロボティクスプラットフォームを拡大する」

強力な生成型AIモデルとクラウドネイティブのAPIおよびマイクロサービスがエッジに導入されています。生成型AIは、トランスフォーマーモデルと大規模な言語モデルの力をほぼすべての業界にもたらしています。その範囲は、エッジ、ロボット、物流システムなどの領域にも及んでおり、欠陥検出、リアルタイム資産追跡、自律計画とナビゲーション、人間とロボットの相互作用などに活用されています。 NVIDIAは本日、エッジAIとロボティクスのためのNVIDIA Jetsonプラットフォーム上の2つのフレームワークを大幅に拡張しました。NVIDIA Isaac ROSロボティクスフレームワークが一般提供開始され、次にJetson上でのNVIDIA Metropolisの拡張が控えています。 AIアプリケーションの開発と展開をエッジで加速するために、NVIDIAは最新のオープンソース生成型AIモデルを利用するためのJetson生成型AIラボを開設しました。 Amazon Web Services、Cisco、John Deere、Medtronic、Pepsico、Siemensなど、120万人以上の開発者と1万以上の顧客がNVIDIA AIとJetsonプラットフォームを選んでいます。急速に進化するAIの世界では、ますます複雑なシナリオに対応するため、開発者はエッジ向けのAIアプリケーションを構築するために長い開発サイクルに直面しています。環境、製造ライン、お客様の自動化ニーズの変化に対応するために、ロボットとAIシステムを素早く再プログラムすることは時間がかかり、専門的なスキルが必要です。生成型AIは、トレーニング中に明示的に見たことのないものを特定するモデルのゼロショット学習を提供し、自然言語インターフェースによってエッジでのAIの開発、展開、管理を簡素化します。 AIの景色を変える生成型AIは、ヒトの言語プロンプトを理解してモデルの変更を行うことで使いやすさを大幅に向上させます。これらのAIモデルは、検出、セグメンテーション、トラッキング、検索、さらには再プログラムなどにおいて、従来の畳み込みニューラルネットワークに基づくモデルを上回る柔軟性を持っています。 ABI Researchによると、生成型AIは2033年までに世界の製造業の収益に105億ドルを追加すると予測されています。「生成型AIは、従来の方法では実現不可能であったよりも優れた汎化能力、使いやすさ、高い精度により、エッジでのAIの展開を大幅に加速させます」とNVIDIAのエンベデッド・エッジコンピューティング担当バイスプレジデントのDeepu Talla氏は述べています。「これはJetson上でMetropolisとIsaacのフレームワークの最大拡張ですが、トランスフォーマーモデルと生成型AIの力を組み合わせることで、このニーズに対応しています。」エッジでの生成型AI開発 Jetson生成型AIラボでは、最適化されたツールとチュートリアルにアクセスして、オープンソースのLLMs、ディフュージョンモデルを展開するための支援を開発者に提供しています。それには、インタラクティブな見事な画像を生成するためのビジョン言語モデル（VLM）やビジョントランスフォーマー（ViTs）も含まれ、ビジョンAIと自然言語処理を組み合わせてシーンの包括的な理解が可能です。開発者は、ViTやビジョン基盤モデルなどの基礎的なモデルのカスタマイズや微調整を行い、非常に少量のデータで高精度なビジョンAIモデルを作成することができる、NVIDIA…

オペレーションの頭脳：人工知能とデジタルツインで手術の未来を地図化するアトラスメディテック

アスリートが試合のためにトレーニングし、俳優が公演のためにリハーサルするように、外科医も手術の前に準備をします。今、Atlas Meditechは、AIと物理的に正確なシミュレーションを使用して、脳外科医が手術前の準備で新たなレベルのリアリズムを体験できるようにしています。脳外科インテリジェンスプラットフォームであるAtlas Meditechは、MONAI医療画像フレームワークとNVIDIA Omniverse 3D開発プラットフォームを含むツールを採用し、AIによる意思決定サポートと高精度の手術リハーサルプラットフォームを構築しています。その使命は、手術結果と患者の安全性の向上です。「Atlasは、脳外科医のためのマルチメディアツールのコレクションを提供し、彼らが実際の手術の前の夜に手術を精神的にリハーサルできるようにします」と、Atlas Meditechおよびその非営利団体であるNeurosurgical Atlasの創設者であるDr. Aaron Cohen-Gadolは言います。「高速計算とデジタルツインを活用して、この精神的なリハーサルを高度にリアルなシミュレーションリハーサルに変えたいと考えています。」 Neurosurgical Atlasは、脳の症例研究、手術ビデオ、および3Dモデルを100万以上のオンラインユーザーに提供しています。Atlas Meditechの創設者であり、インディアナ大学医学部の神経外科の教授でもあるDr. Cohen-Gadolによれば、米国の脳外科手術トレーニングプログラムの90％以上、および他の国の数万人の神経外科医が、レジデンシーや手術キャリア初期において、Atlasを主要なリソースとして利用しています。 Atlas MeditechのPathfinderソフトウェアは、専門家が脳内のレッションに到達するための安全な手術経路を提案できるAIアルゴリズムを統合しています。 NVIDIA Omniverseは、カスタムの3Dパイプラインとメタバースアプリケーションを接続および構築するためのプラットフォームであり、チームは手術リハーサルのために個々の患者の脳のカスタム仮想表現を作成することを目指しています。人間の脳のカスタム3Dモデル Atlas Meditechの高度なシミュレーション（画面上または没入型仮想現実）の主な利点は、シミュレーションをカスタマイズできることです。これにより、外科医は、患者の脳のサイズ、形状、および病変の位置に一致する仮想脳で練習できます。「すべての患者の解剖学は少し異なります」とDr.…

オムニヴォアに会ってください：産業デザイナーがアートとOpenUSDを組み合わせて、AIトレーニング用の3Dアセットを作成します

編集者注：この投稿は、NVIDIA OmniverseとOpenUSDを使用して3Dワークフローを加速し、仮想世界を作成する個々のクリエイターと開発者を紹介するMeet the Omnivoreシリーズの一部です。オーストラリアのクイーンズランド工科大学（QUT）の学生であるエミリー・ボーマーは、クリエイティブな芸術または科学を追求するか迷っていました。そして彼女は産業デザインを見つけ、研究とコーディングに没頭しながら、スケッチ、アニメーション、3Dモデリングなどの可視化ワークフローを探求することができました。今、ボーマーはドイツ・ミュンヘンのBMW Group Technology Officeでデザインインターンとして彼女のスキルを活かしています。チームはNVIDIA Omniverse（3Dツールとアプリケーションの開発および接続のためのプラットフォーム）およびUniversal Scene Description（OpenUSDとも呼ばれる）を使用して、合成データ生成パイプラインを強化しています。ボーマーは、BMW Group、Microsoft、およびNVIDIAが公開したSORDI.aiと呼ばれる産業用合成オブジェクト認識データセットを使用して、リアルな3Dアセットを作成しています。SORDI.aiは開発者や研究者がAIの訓練を効率化し加速するためのものです。画像の自動生成を自動化するために、チームはOmniverse Replicatorに基づいた拡張機能を開発しました。Omniverse Replicatorは、カスタムの合成データ生成ツールを作成するためのソフトウェア開発キットです。 SORDI.aiチームの一員として、ボーマーはBlenderとAdobe Substance Painterを使用して、物理的な正確さと写実性の高い3Dアセットをデザインし、合成データが効率的にAIモデルの訓練に使用できるようにしています。ボーマーが作成するすべてのアセットは、NVIDIA Isaac Simプラットフォームで自律ロボットのテストとシミュレーションに使用されます。NVIDIA Isaac…

ロボティクスシミュレーションとは何ですか？

ロボットは倉庫内で商品を運搬し、食品を包装し、車両の組み立てを助けています。バーガーをひっくり返したり、ラテを提供することもあります。彼らはなぜそんなに早くスキルを身につけたのでしょうか？それはロボティクスシミュレーションのおかげです。進歩を飛躍的に遂げ、私たちの周りの産業を変革しています。ロボティクスシミュレーションの概要ロボティクスシミュレータは、物理的なロボットを必要とせずに、仮想環境に仮想ロボットを配置して、ロボットのソフトウェアをテストするものです。また、最新のシミュレータは、物理的なロボット上で実行される機械学習モデルのトレーニングに使用されるデータセットを生成することもできます。この仮想世界では、開発者はロボットや環境、その他のロボットが遭遇する可能性のある要素のデジタルバージョンを作成します。これらの環境は、物理法則に従い、現実の重力、摩擦、材料、照明条件を模倣することができます。ロボティクスシミュレーションを使用する人々ロボットは今日、大規模なスケールで業務を支援しています。最も大きく革新的なロボット企業のいくつかは、ロボティクスシミュレーションに頼っています。シミュレーションによって明らかにされた運用効率により、フルフィルメントセンターは1日に数千万個のパッケージを処理することができます。 Amazon Roboticsはフルフィルメントセンターを支援するためにそれを使用しています。BMWグループは自動車組立工場の計画を加速するためにそれを活用しています。Soft Roboticsは食品のパッケージングのためのグリッピングを完璧にするためにそれを適用しています。自動車メーカーは世界中でロボティクスを活用しています。「自動車メーカーは約1400万人を雇用しています。デジタル化により、産業の効率、生産性、スピードが向上します」とNVIDIAのCEOジェンセン・ファンは最新のGTC基調講演で述べています。ロボティクスシミュレーションの動作原理高度なロボティクスシミュレータは、物理の基本方程式を適用することから始まります。例えば、オブジェクトが時間の小さい増分またはタイムステップでどのように移動するかを決定するために、ニュートンの運動の法則を使用することができます。また、ロボットが蝶番のような関節で構成されているか、他のオブジェクトを通過できない制約を組み込むこともできます。シミュレータは、オブジェクト間の潜在的な衝突を検出し、衝突するオブジェクト間の接点を特定し、オブジェクトが互いに通過するのを防ぐための力や衝撃を計算するためのさまざまな方法を使用します。シミュレータは、ユーザーが求めるセンサーシグナル（例：ロボットの関節でのトルクやロボットのグリッパーとオブジェクトとの間の力）も計算することができます。シミュレータは、ユーザーが要求するだけのタイムステップ数でこのプロセスを繰り返します。 NVIDIA Isaac Simなどの一部のシミュレータは、各タイムステップでシミュレータの出力を物理的に正確な可視化も提供することができます。ロボティクスシミュレータの利用方法ロボティクスシミュレータのユーザーは、通常、ロボットのコンピュータ支援設計モデルをインポートし、仮想シーンを構築するために興味のあるオブジェクトをインポートまたは生成します。開発者は、タスクプランニングやモーションプランニングを実行するためのアルゴリズムのセットを使用し、それらの計画を実行するための制御信号を指定することができます。これにより、ロボットはオブジェクトを拾って目標位置に配置するなど、特定の方法でタスクを実行し移動することができます。開発者は、計画と制御信号の結果を観察し、必要に応じて修正して成功を確保することができます。最近では、機械学習ベースの手法へのシフトが見られています。つまり、制御信号を直接指定する代わりに、ユーザーは衝突しないように指定された動作（例：特定の場所に移動する）を指定します。この状況では、データ駆動型のアルゴリズムが、ロボットのシミュレートされたセンサーシグナルに基づいて制御信号を生成します。…

ETHチューリッヒの研究者が、バイオミメティックな腱駆動式ファイブハンドを紹介：高次元自由度の3Dプリンタ対応設計で、器用な手の回転スキルを持つ

従来のモデルベースの制御手法では、コントローラーはロボットの動的モデルと直接的に対話します。最近の研究では、ロボットの構造がより複雑で生物模倣的になるにつれて、強化学習を通じて確立されたポリシーが使用されるようになっています。特に、多くの指を使用した操作や人間の手に似た操作を必要とする操作では、連携して動く能力はピッキングやプレース倉庫作業、組み立てライン製造、家庭での支援など、いくつかの産業を革新する可能性があります。 ETHチューリッヒとマックス・プランクETH学習システムセンターの最新研究では、Faive Handを巧妙な操作プラットフォームとして紹介しています。人間のような操作に向けた最初のステップとして、チームはそのモデルをRL環境に統合し、ロボット上でクローズドループコントローラーを適用して巧妙な手の球面回転を実現しています。最も注目されているロボットハンドは、巧妙な操作の研究に現在使用されており、能力のあるロボットはハードウェアとコントローラーの両方が必要です。研究者たちは、より人間らしい手の設計は、ツールや環境中のアイテムとの関わりに適していると提案しています。なぜなら、それらは最初から人々を考慮して作られているからです。人間の例から学ぶ際には、同様のフレームワークを持つロボットに操作活動を伝えることがより簡単です。 Faive Handは、微細な操作の調査のためにバイオミメティクス、腱駆動型のロボットプラットフォームとしてソフトロボティクスラボで作成されました。最新のバージョンの手は、3Dプリントされており、サーボモーターで駆動されているため、大量生産が容易でアクセス可能です。ただし、RLで教えられた他の巧妙な手とは異なり、この手は回転軸の定義のない回転接触ジョイントなどの特徴を組み込んでおり、高次元のロボットハンドの制御をさらに困難にしています。この設計では従来の回転エンコーダーを実装することが困難なため、内部ジョイント角度エンコーダーはまだ開発中ですが、手に含める必要があります。この制約のため、サーボモーターの角度は腱の長さおよび関節角度の推定に使用されます。これらのシミュレーションフレームワークと低レベルコントローラーへの追加により、クローズドループRLで訓練されたポリシーを実際のロボット上で実行することができます。研究者たちは、IsaacGymシミュレーターで教えられたRLのスキルのゼロショット転送をデモンストレーションすることで、この手の潜在能力を示しています。彼らは、アクチュエーションとセンサーの機能を追加することで、RL sim2realタスクやビヘイビアクローニングなどの他のタスクを改善する予定です。

「ICML 2023でのGoogle」

Cat Armatoさんによる投稿、Googleのプログラムマネージャー Googleは、言語、音楽、視覚処理、アルゴリズム開発などの領域で、機械学習（ML）の研究に積極的に取り組んでいます。私たちはMLシステムを構築し、言語、音楽、視覚処理、アルゴリズム開発など、さまざまな分野の深い科学的および技術的な課題を解決しています。私たちは、ツールやデータセットのオープンソース化、研究成果の公開、学会への積極的な参加を通じて、より協力的なエコシステムを広範なML研究コミュニティと構築することを目指しています。 Googleは、40回目の国際機械学習会議（ICML 2023）のダイヤモンドスポンサーとして誇りに思っています。この年次の一流学会は、この週にハワイのホノルルで開催されています。ML研究のリーダーであるGoogleは、今年の学会で120以上の採択論文を持ち、ワークショップやチュートリアルに積極的に参加しています。Googleは、LatinX in AIとWomen in Machine Learningの両ワークショップのプラチナスポンサーでもあることを誇りに思っています。私たちは、広範なML研究コミュニティとのパートナーシップを拡大し、私たちの幅広いML研究の一部を共有することを楽しみにしています。 ICML 2023に登録しましたか？私たちは、Googleブースを訪れて、この分野で最も興味深い課題の一部を解決するために行われるエキサイティングな取り組み、創造性、楽しさについてさらに詳しく知ることを願っています。 GoogleAIのTwitterアカウントを訪れて、Googleブースの活動（デモやQ&Aセッションなど）について詳しく知ることができます。Google DeepMindのブログでは、ICML 2023での技術的な活動について学ぶことができます。以下をご覧いただき、ICML 2023で発表されるGoogleの研究についてさらに詳しくお知りください（Googleの関連性は太字で表示されます）。理事会および組織委員会理事会メンバーには、Corinna Cortes、Hugo Larochelleが含まれます。チュートリアルの議長には、Hanie Sedghiが含まれます。 Google…

線形プログラミングを使用して最適化問題を解決する方法

線形計画法（LP）は、特定の目的関数に基づいて、いくつかの制約条件の下で最良の解を見つけるために使用される最適化技術ですこれは様々な産業に適用されています...

Learn more about Search Results Isaac Sim