Robotics Research and Development Digest (R2D2) – NVIDIA 技術博客

R2D2：利用 NVIDIA 研究工作流和全局基礎模型訓練通用機器人

Wed, 16 Jul 2025 06:26:36 +0000

機器人領域的一項主要挑戰是訓練機器人執行新任務，而無需為每個新任務和環境收集和標記數據集。NVIDIA 近期的研究工作旨在通過使用生成式 AI、NVIDIA Cosmos 等世界基礎模型 ( WFM) 以及 NVIDIA Isaac GR00T-Mimic 和 GR00T-Dreams 等數據生成藍圖來解決這一挑戰。本期 NVIDIA 機器人研發摘要 (R2D2)NVIDIA 機器人研發摘要 (R2D2)NVIDIA 機器人研發摘要 (R2D2)NVIDIA 機器人研發摘要 (R2D2)NVIDIA 機器人研發摘要 (R2D2) 介紹了研究如何使用世界基礎模型實現可擴展的合成數據生成和機器人模型訓練工作流，例如： Cosmos 世界基礎模型 (WFM) 基于數百萬小時的真實世界數據進行訓練，以預測未來世界狀態，并根據單個輸入圖像生成視頻序列，

Source

]]>

R2D2：利用 NVIDIA Research 構建AI驅動的3D機器人感知與地圖構建技術

Tue, 17 Jun 2025 04:57:57 +0000

機器人必須感知和解釋其 3D 環境，才能安全有效地行動。這對于非結構化或陌生空間中的自主導航、對象操作和遠程操作等任務尤為重要。機器人感知的進步越來越側重于在統一的實時工作流程中使用強大的感知模塊來集成 3D 場景理解、通用物體追蹤和持久空間內存。本期 NVIDIA 機器人研發摘要 (R2D2)探討了 NVIDIA Research 的多個感知模型和系統，這些模型和系統支持統一的機器人 3D 感知堆棧。它們可在不同的現實世界環境中實現可靠的深度估計、攝像頭和物體姿態追蹤以及 3D 重建：這些項目的核心在于強調 3D 空間表示，即以機器人可以使用的形式捕獲環境或物體的結構。FoundationStereo 可處理立體圖像深度估計的基本任務。它引入了一個用于立體深度的基礎模型，專為實現強零樣本泛化而設計。

Source

]]>

R2D2：通過 NVIDIA Research 解鎖機器人裝配和豐富的接觸操作

Fri, 16 May 2025 06:45:13 +0000

本期 NVIDIA 機器人研發摘要 (R2D2) 探討了 NVIDIA Research 針對機器人裝配任務提供的多個接觸性豐富的操作工作流，以及它們如何通過固定自動化來應對魯棒性、適應性和可擴展性等關鍵挑戰。接觸性豐富的操作是指涉及機器人與其環境中的物體之間持續或重復物理接觸的機器人任務，需要精確控制力和運動。與簡單的拾取和放置操作不同，這些任務需要精細交互來管理不確定性下的摩擦、合規性和對齊。它在機器人、制造和汽車等行業中發揮著關鍵作用，在這些行業中，插入定位器、合齒輪、螺紋螺栓或組裝卡扣配合部件等任務很常見。作為機器人裝配的核心能力，具有豐富接觸性的操作使機器人能夠執行復雜的高精度任務，這對于自動化裝配和處理現實世界的可變性至關重要。由于需要在動態環境中進行精確操作，因此解決機器人裝配任務一直具有挑戰性。傳統上，

Source

]]>

R2D2：利用 NVIDIA 研究工作流程和模型提升靈巧機器人的適應性

Fri, 25 Apr 2025 09:04:34 +0000

如今，Robotic arms 用于組裝、包裝、檢查等更多應用領域。但是，它們仍然經過預編程，可以執行特定的、通常是重復性的任務。為了滿足大多數環境中日益增長的適應性需求， perceptive arms 需要根據實時數據做出決策和調整行為。這提高了協作環境中任務的靈活性，并通過危險感知提高安全性。本期 NVIDIA Robotics Research and Development Digest (R2 D2 ) 探討了 NVIDIA Research 的一些機器人靈活性、操作和抓取工作流以及 AI 模型 (如下所示) ，以及它們如何應對適應能力和數據稀缺等關鍵機器人挑戰：靈巧的機器人能夠精準、高效地操控物體。機器人的靈活性涉及精細的運動控制、協調，以及通常在非結構化環境中處理各種任務的能力。機器人靈活性的關鍵方面包括抓握、操控、觸覺敏感度、

Source

]]>