Todas las noticias de este año celebran a los innovadores, investigadores y desarrolladores que avanzan en la robótica e inspiran a la próxima generación de líderes de la industria. En esta Semana Nacional de la Robótica, NVIDIA destacó las tecnologías pioneras que están dando forma al futuro de las máquinas inteligentes e impulsando el progreso en la fabricación, la atención médica, la logística y más. Los avances en simulación robótica y aprendizaje robótico están impulsando este cambio fundamental en la industria. Además, la aparición de modelos de base mundial está acelerando la evolución de robots con IA, capaces de adaptarse a escenarios dinámicos y complejos. Por ejemplo, al proporcionar modelos básicos de robots como NVIDIA GR00T N1 , marcos como NVIDIA Isaac Sim e Isaac Lab para simulación y entrenamiento de robots, y canales de generación de datos sintéticos para ayudar a entrenar robots para diversas tareas, las plataformas NVIDIA Isaac y GR00T están empoderando a los investigadores y desarrolladores para superar los límites de la robótica. Continúe leyendo para conocer lo último sobre la IA física , que permite a las máquinas percibir, planificar y actuar con mayor autonomía e inteligencia en entornos del mundo real. Lo último sobre IA física y robótica, tal como se reveló en NVIDIA GTC 🔗 Mire las sesiones a pedido de la conferencia global de inteligencia artificial NVIDIA GTC para ponerse al día con los últimos avances en robótica, presentados por los principales expertos en el campo. En su discurso inaugural, Jensen Huang, fundador y CEO de NVIDIA, anunció NVIDIA Isaac GR00T N1 , el primer modelo básico abierto y totalmente personalizable del mundo para el razonamiento y las habilidades generalizadas de los robots humanoides. También presentó Newton , un motor de física extensible y de código abierto desarrollado por NVIDIA, Google DeepMind y Disney Research para impulsar el aprendizaje y el desarrollo de robots. Los desarrolladores, investigadores y entusiastas pueden explorar lo siguiente para obtener más información: Iníciate en robótica con cursos gratuitos y datos de código abierto 🔗 Quienes deseen profundizar en el desarrollo robótico pueden comenzar con la Ruta de Aprendizaje de Fundamentos de Robótica gratuita de NVIDIA . Esta serie de cursos a su propio ritmo del Instituto de Aprendizaje Profundo (DLI) de NVIDIA abarca conceptos básicos de robótica y flujos de trabajo esenciales en simulación y aprendizaje robótico. Cada curso ofrece capacitación práctica en la plataforma NVIDIA Isaac, incluyendo Isaac ROS , Isaac Sim e Isaac Lab . Este año, en GTC, NVIDIA organizó talleres de capacitación presenciales para desarrolladores de robótica, que ahora están disponibles en línea. Estos incluyen: Estos cursos estarán disponibles próximamente: NVIDIA también lanzó un conjunto de datos físicos de IA de código abierto y gratuito que incluye datos de calidad comercial y prevalidados para ayudar a investigadores y desarrolladores a impulsar sus proyectos. El conjunto de datos inicial ofrece 15 terabytes de datos que representan más de 320 000 trayectorias para entrenamiento robótico y 1000 recursos de Descripción Universal de Escenas (OpenUSD), incluidos los que están listos para SimReady. Acceda al conjunto de datos de IA física de NVIDIA sobre Hugging Face . Scaled Foundations agiliza la transición de la simulación a la aplicación en el mundo real 🔗 Los robots tienen el potencial de automatizar y escalar tareas complejas y repetitivas. Sin embargo, programarlos para que realicen estas tareas de forma segura ha sido tradicionalmente un reto, costoso y especializado. Scaled Foundations , miembro del programa NVIDIA Inception para startups innovadoras, está reduciendo las barreras de entrada con su plataforma GRID. Al integrar NVIDIA Isaac Sim en GRID , Scaled Foundations ofrece a los usuarios la oportunidad de acelerar el desarrollo y la implementación de soluciones avanzadas de IA robótica para nuevos tipos de robots. Desarrolladores y estudiantes pueden acceder a herramientas de vanguardia para desarrollar, simular e implementar sistemas de IA robótica, todo desde un navegador. Acceda, cree y administre inteligencia robótica integrada directamente desde su navegador. Obtenga más información sobre cómo implementar soluciones utilizando la plataforma GRID de Scaled Foundations mirando la sesión de NVIDIA GTC, “ Introducción a la simulación de robots: aprenda a desarrollar, simular e implementar inteligencia de robots escalable ”. Enfoque en Wheeled Lab: Avanzando en la robótica de simulación a realidad con NVIDIA Isaac Lab 🔗 Wheeled Lab , un proyecto de investigación de la Universidad de Washington, está llevando la robótica de simulación a la realidad a plataformas de código abierto y de bajo costo. Wheeled Lab, integrado con NVIDIA Isaac Lab —un marco unificado para el aprendizaje robótico— , permite que los modelos de aprendizaje por refuerzo entrenen robots con ruedas en tareas complejas como la deriva controlada, la evasión de obstáculos, el desplazamiento en elevación y la navegación visual. Este proceso utiliza aleatorización de dominios, simulación de sensores y aprendizaje integral para acortar la distancia entre el entrenamiento simulado y la implementación en el mundo real, garantizando al mismo tiempo una transferencia de la simulación a la realidad sin interrupciones. Izquierda: Política de deriva. Derecha: Entrenamiento en simulación de Isaac Lab. Toda la pila (que abarca la simulación, el entrenamiento y la implementación) es completamente de código abierto, lo que brinda a los desarrolladores la libertad de iterar, modificar políticas y experimentar con técnicas de aprendizaje de refuerzo en un entorno reproducible. Izquierda: Política de deriva. Derecha: Entrenamiento en simulación de Isaac Lab. Comience con el código en GitHub . Enseñar a los robots a pensar: los avances en IA de Nicklas Hansen ¿Qué se necesita para enseñar a los robots la toma de decisiones complejas en el mundo real? Para Nicklas Hansen , doctorando en la UC San Diego e investigador de posgrado de NVIDIA, la respuesta reside en algoritmos de aprendizaje automático escalables y robustos. Con experiencia en la Universidad de California, Berkeley, Meta AI (FAIR) y la Universidad Técnica de Dinamarca, Hansen está revolucionando la percepción, planificación y actuación de los robots en entornos dinámicos. Su investigación se sitúa en la intersección de la robótica, el aprendizaje por refuerzo y la visión artificial, conectando la simulación con la práctica. El trabajo reciente de Hansen aborda uno de los desafíos más complejos de la robótica: la manipulación a largo plazo. Su artículo, » Manipulación Multietapa con Demostración-Recompensa Aumentada, Política y Aprendizaje de Modelos Mundiales» , presenta un marco que mejora la eficiencia de los datos en entornos con escasa recompensa
Contacto