Az Nvidia az Open Robotics-hoz csatlakozott, hogy új mesterséges intelligencia-képességeket hajtson végre a Robot Operációs Rendszerben (ROS).
A nem kizárólagos megállapodás értelmében az Open Robotics kiterjeszti a ROS 2-t, a nyílt forráskódú robotikai keretrendszer legújabb verzióját, hogy jobban támogassa az Nvidia hardvert – és különösen a Jetson termékcsaládot, az alacsony fogyasztású alkatrészeket, amelyek az Arm magokat a cég saját GPU-jával kombinálják. és mélytanulási gyorsítómagok az élvonalbeli és beágyazott mesterséges intelligencia alkalmazások meghajtásához.
„Felhasználóink évek óta építenek és szimulálnak robotokat Nvidia hardverrel, és szeretnénk megbizonyosodni arról, hogy a ROS 2 és az Ignition jól működjön ezeken a platformokon” – mondta Brian Gerkey, az Open Robotics vezérigazgatója. A regisztráció.
„Két dolog izgat minket a legjobban: a robotok és a nyílt forráskód. Ez a partnerség mindkettőt tartalmazza. Együtt dolgozunk az Nvidiával, hogy javítsuk a fejlesztői élményt a globális robotikai közösség számára azáltal, hogy kiterjesztjük a nyílt forráskódú szoftvert, amelyre a robotikusok támaszkodnak. Izgatottan várjuk, hogy közvetlenül az Nvidiával dolgozhassunk, és támogatást kaphassunk szoftverünk bővítéséhez, hogy a lehető legtöbbet hozzuk ki a hardverükből.”
A csapatmunka során az Open Robotics dolgozik a ROS-en, hogy javítsa az adatáramlást a különböző processzorok – CPU, GPU, NVDLA és Tensor Cores – között az Nvidia Jetson hardverén, hogy ezzel is fokozza a nagy sávszélességű adatok feldolgozását.
Ennek részeként az Open Robotics Ignition és az Nvidia Isaac Sim szimulációs környezete átjárhatóvá válik – vagyis a robot- és környezetmodellek áthelyezhetők egyikből a másikba, legalábbis a jövő év elején a szoftver befejezésekor.
Arról, hogy az Nvidia felgyorsított számítástechnikai portfóliója és különösen a beágyazott Jetson termékcsalád miért vonzó a robotgyártók számára, Gerkey elmondta: „Az Nvidia sokat fektetett be a modern robotika és az AI-munkaterhelés szempontjából releváns számítási hardverekbe. A robotok nagy mennyiségű adatot nyelnek be és dolgoznak fel érzékelőkből, például kamerákból és lézerekből. Az Nvidia architektúrája lehetővé teszi, hogy az adatáramlás hihetetlenül hatékonyan történjen.”
Murali Gopalakrishna, az Nvidia Intelligens gépek termékkezelési részlegének vezetője a következőt mondta az összekapcsolásról: „Az Nvidia GPU-gyorsítású számítási platformja sok mesterséges intelligencia robotalkalmazás magja, és ezek közül sokat ROS segítségével fejlesztettek ki, ezért logikus, hogy dolgozunk. szorosan a nyílt robotikával, hogy előrelépjen a robotika területén.
A munka magával hoz néhány új Isaac GEM-et is, hardveresen gyorsított ROS-csomagokat, amelyek célja az egyébként a CPU-n futó kód helyettesítése. A legújabb GEM-ek sztereó képalkotási és pontfelhőadatok kezelésére, színtér-konverzióra, lencsetorzítás-korrekcióra, valamint a Michigani Egyetemen kifejlesztett AprilTags – QR Code-stílusú 2D fiduciális címkék – észlelésére és feldolgozására szolgáló csomagokat tartalmaznak.
A partnerség azonban nem jelenti azt, hogy a kettő stabilan megy. „Szeretnénk a ROS 2-t hasonló módon kiterjeszteni más gyorsított hardverekre” – mondta Gerkey az egyéb eszközök tervezett támogatásáról, mint pl. Intel Myriad X és a A Google TPU – nem is beszélve az Nvidia rivális AMD GPU-hardveréről.
„Valójában azt a munkát tervezzük, amelyet az Nvidiával közösen végzünk, hogy megalapozzuk a további architektúrák további bővítését. Más hardvergyártóknak: vegye fel velünk a kapcsolatot, és beszéljen a platformja bővítéseiről!”
A legújabb Isaac GEM-ek elérhetők az Nvidián GitHub tárház Most; az interoperábilis szimulációs környezetek eközben várhatóan csak 2022 tavaszán (északi féltekén) fognak megjelenni.
Az Nvidia Gopalakrishna szerint lehetséges, hogy a ROS-fejlesztők már a megjelenés dátuma előtt megkezdhetik a kísérletezést. „A szimulátor már rendelkezik ROS 1 és ROS 2 híddal, és számos népszerű ROS-csomag navigációhoz (nav2) és manipulációhoz (MoveIT) való használatára is van példa. A fejlesztők közül sokan Isaac Sim segítségével szintetikus adatokat generálnak, hogy megtanítsák robotjaik észlelési veremét. A tavaszi kiadásunk további funkciókat kínál, például a Gazebo Ignition és az Isaac Sim közötti együttműködést.”
Arra a kérdésünkre, hogy a felhasználók milyen teljesítménynövekedést várhatnak az új Isaac GEM-ektől a csak CPU-t tartalmazó csomagokhoz képest, azt a választ kaptuk: „A teljesítménynövekedés mértéke attól függően változik, hogy egy adott munkaterhelésben mekkora az inherens párhuzamosság. De elmondhatjuk, hogy nagyságrendileg növekszik a teljesítmény az észlelés és az AI-val kapcsolatos munkaterhelések terén. Ha a megfelelő processzort használjuk a különböző feladatok felgyorsítására, akkor nagyobb teljesítményt és jobb energiahatékonyságot tapasztalunk.”
Ami a folyamatban lévő további funkciókat illeti, Gopalakrishna elmondta: „Az Nvidia az Open Robotics-szal dolgozik azon, hogy a ROS keretrendszert még egyszerűbbé tegye a hardveres gyorsításhoz, és továbbra is több új Isaac GEM-et, a ROS-hez készült hardvergyorsított szoftvercsomagjainkat fogjuk kiadni.
„Néhány ilyen DNN lesz, amelyeket általában a robotika észlelési veremeiben használnak. A szimulátor oldalon azon dolgozunk, hogy több szenzort és robotot támogassunk, és több olyan mintát adjunk ki, amelyek relevánsak a ROS közösség számára.” ®
Forrás: https://go.theregister.com/feed/www.theregister.com/2021/09/22/nvidia_open_robotics/
