NVIDIA研究團隊將在機器人全領域旗艦會議——“國際機器人與自動化會議（ICRA）”上就19篇論文發表演講。屆時，來自NVIDIA的Dieter Fox將被頒發由IEEE機器人與自動化協會授予的RAS先鋒獎。

RAS先鋒獎獲得者 Dieter Fox

始于1984年，由電氣和電子工程師協會發起的“國際機器人與自動化會議（ICRA）”作為當前機器人全領域的旗艦會議，匯集了來自世界各地的數千名研究人員，在業內享有很高聲譽。在今年的線上會議上，來自NVIDIA的Dieter Fox將領取IEEE機器人與自動化協會頒發的RAS先鋒獎。

Fox是公司機器人研究高級主管、NVIDIA西雅圖機器人技術研究實驗室負責人，同時在華盛頓大學的保羅·艾倫計算機科學與工程學院（UW Robotics and State Estimation Lab）擔任教授，以及華盛頓大學機器人狀態估計實驗室負責人。在NVIDIA實驗室，Fox領導20余名研究員和實習生與鄰近的華盛頓大學達成合作培養。

此次獲得RAS先鋒獎，是表彰“他在概率狀態估計、RGB-D感知、機器人學中的機器學習，以及為學術和工業機器人的研究架起橋梁所做出的開創性貢獻”。

Fox表示，能獲得研究同事的認可與 IEEE 協會獎項是令其難以置信的榮譽，“我非常感謝在我的職業生涯中與我共事的那些出色的合作者和學生，同樣感謝IEEE 注意到構建學術研究與產業研究間聯系的重要性。我相信這種聯系的建立能夠使我們在關鍵問題上取得更快的進展。”

除Fox的會議演講外，還有19名NVIDIA研究人員將就其發表的論文進行演講，內容涵蓋機器人領域內多個主題。

以下是部分被ICRA收錄的NVIDIA優秀研究論文：

機器人技術入圍最佳論文獎

《6-DOF Grasping for Target-Driven Object Manipulation in Clutter》入圍機器人操作最佳論文獎和最佳學生論文獎。

Adithya Murali是卡內基梅隆大學機器人研究所的首席研究員之一，他評價說，本文深入研究了多數現實場景中必須面對的技術難題——機器人在混亂環境中進行目標抓取的問題。目前的許多研究僅考慮平面抓取，即機器人自上而下抓取，而不能在多維空間中移動。

NVIDIA機器人研究實驗室的資深研究科學家Arsalan Mousavian作為該論文的另一位首席研究員，解釋了研究中所運用的模擬技術。他說：“我們不受任何物理機器人的束縛，那既費時又昂貴。”

Mousavian及其同事在NVIDIA V100 Tensor Core GPUs上訓練算法，并在數組NVIDIA TITAN GPU上進行測試。這篇論文的訓練數據包括在不到半天的時間內模擬750，000個機器人對象交互，以及若干在一周內訓練的模型。一旦訓練完成，該機器人便能夠在現實世界中強大地操縱物體。

重新規劃成功

在另一篇名為《Online Replanning in Belief Space for Partially Observable Task and Motion Problems》的論文中，NVIDIA研究團隊考慮了機器人如何計劃在具有挑戰性的環境中完成各種各樣的任務，例如抓住一個不可見的物體。

這種方法可能促成更多任務的完成。該論文首席研究員、麻省理工學院研究生Caelan Garrett解釋說：“我們的工作十分綜合，所處理的任務不僅包括在環境中拾取和放置東西，還包括傾倒東西，做飯，嘗試打開門和抽屜?！?/p>

Garrett和他的同事創造了一個開源算法SS-Replan，該算法允許機器人在做出決策時合并觀察結果，也就是在努力實現自身目標的同時，基于新觀察結果對決策做出實時調整。

團隊在NVIDIA Isaac Sim（一個用于開發，測試和評估虛擬機器人的仿真環境）和真實機器人上測試了他們的成果。

DexPilot： 遙控機械手臂系統

在另一篇論文中，NVIDIA研究人員面臨機器人受算法限制不能完成精確操作的問題，如從抽屜中拉出茶包，從錢包里取出一美元鈔票，或自主擰開瓶蓋。

在《DexPilot： Depth-Based Teleoperation of Dexterous Robotic Hand-Arm System》一文中，NVIDIA研究人員介紹了一個可以對機器人遠程操控的系統。DexPilot以攝像頭中人類的手為觀察對象，運用神經網絡將運動傳遞給機械手。

不同于其他系統需要配合昂貴的設備如運動捕捉系統、手套和頭戴式耳機， DexPilot通過結合深度學習和優化實現遠距傳動。

據兩位論文作者、NVIDIA研究人員Ankur Handa和Karl Van Wyk所說，他們一收集完數據就用了15個小時在單個GPU上訓練，過程中使用NVIDIA TITAN GPU作為支持。