機(jī)器人領(lǐng)域的新興力量正在崛起。NVIDIA最新一批的“Jetson”高中實(shí)習(xí)生們花了8周的時(shí)間，利用深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)搭建機(jī)器人。有朝一日，這些機(jī)器人將可能真正用于校園中。

這些才華橫溢的高中生將他們對(duì)于機(jī)器人學(xué)的熱情帶到我們的嵌入式部門。該小組專注于機(jī)器人和無(wú)人機(jī)等智能機(jī)器的研發(fā)。

三組實(shí)習(xí)生團(tuán)隊(duì)基于Jetson搭建機(jī)器人，并在商業(yè)設(shè)施內(nèi)展示各種功能。三個(gè)項(xiàng)目分別涉及類人型機(jī)器人、投影燈和2D激光測(cè)距儀。

“神經(jīng)忍者”團(tuán)隊(duì)

來(lái)自“神經(jīng)忍者“團(tuán)隊(duì)（Team Neural Ninja）的Maddie Waldie、Nikhil Suresh和Jackson Moffet為一個(gè)類人型機(jī)器人編制程序，使其能夠識(shí)別手勢(shì)（如揮手）并作出反應(yīng)。為了讓機(jī)器人正確識(shí)別目標(biāo)對(duì)象，該團(tuán)隊(duì)共訓(xùn)練了超過(guò) 300 個(gè)神經(jīng)網(wǎng)絡(luò)。

據(jù) Nikhil 稱，該項(xiàng)目最困難的部分是——找到能夠識(shí)別手勢(shì)并忽視背景噪音的正確的神經(jīng)網(wǎng)絡(luò)。經(jīng)歷數(shù)小時(shí)的試錯(cuò)之后，他們最終取得了成功：機(jī)器人現(xiàn)在可以識(shí)別出手勢(shì)語(yǔ)中的“對(duì)不起”、代表否定的手臂姿勢(shì) "X" 和代表肯定的手臂姿勢(shì) "Y"。此外，它還可以說(shuō)話并移動(dòng)，比如輕輕拍打，這讓許多過(guò)路人驚嘆不已。

“我們經(jīng)歷過(guò)很難的時(shí)刻，尤其是在一遍遍的訓(xùn)練之后得到了新數(shù)據(jù)，卻發(fā)現(xiàn)它并不起作用。不過(guò)，我們最終得出了效果良好的網(wǎng)絡(luò)，那一刻大家都很開(kāi)心，”Maddie說(shuō)道，“一旦取得了成功，那么一切的付出都是值得的。”

CCCC (ForeSee) 團(tuán)隊(duì)

CCCC 團(tuán)隊(duì)的任務(wù)是為機(jī)器人編制程序，以使其避開(kāi)復(fù)雜障礙物。他們花了8周的時(shí)間學(xué)習(xí)計(jì)算機(jī)視覺(jué)與深度學(xué)習(xí)的交叉學(xué)科知識(shí)。

機(jī)器人經(jīng)常對(duì)諸如網(wǎng)狀欄桿之類的障礙物“感到困惑”，因?yàn)檫@些障礙物不能被使用反射或2D激光測(cè)距儀的傳感器檢測(cè)到。大部分的解決方案均耗資不菲，而Rahul Amara、Josh Hejna、Mokshith Voodarla和Anish Singhani則開(kāi)發(fā)了一種利用廉價(jià)攝像頭即可實(shí)現(xiàn)的深度學(xué)習(xí)技術(shù)解決方案。

為了給機(jī)器人編制程序，使其能夠穿過(guò)任意兩點(diǎn)并成功避開(kāi)所有障礙物，CCCC 團(tuán)隊(duì)利用欄桿和樓梯等物體的圖像對(duì)深度神經(jīng)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練。

他們面臨的挑戰(zhàn)是設(shè)計(jì)一款既高效又準(zhǔn)確的軟件。借助NVIDIA的開(kāi)發(fā)平臺(tái)，這四位成員成功找到了一種可以優(yōu)化這兩個(gè)參數(shù)的網(wǎng)絡(luò)。

“在NVIDIA工作的一大優(yōu)勢(shì)在于，我們可以與開(kāi)發(fā)相關(guān)項(xiàng)目并擁有多年經(jīng)驗(yàn)的人進(jìn)行交流，”Rahul說(shuō)道，“每當(dāng)遇到問(wèn)題，我們可以向一大幫人尋求幫助，并向他們學(xué)習(xí)。”

GreenMachine 團(tuán)隊(duì)

GreenMachine 團(tuán)隊(duì)由Shruthi Jaganathan、Isaac Wilcove和Karly Hou三位成員組成，他們開(kāi)發(fā)了一款由Jetson TX2提供支持的垃圾分類機(jī)器人，以指導(dǎo)NVIDIA員工放置各種剩菜、餐具、杯子和盤子。

該機(jī)器人由移動(dòng)小推車和其頂部的投影儀頭組成，計(jì)劃在圣克拉拉辦公室的咖啡館投入使用。投影儀可閃爍不同顏色的燈光：紫色為可重復(fù)使用、藍(lán)色為可回收、綠色為可降解、橙色為垃圾，從而告訴用戶應(yīng)該把垃圾投入何處。

據(jù)Shruthi稱，攝像頭校正是項(xiàng)目中難度最大的部分。傳感器經(jīng)常會(huì)受到投影儀燈光顏色的干擾，從而加大了檢測(cè)物體紋理的難度。例如，照射在塑料盤上的紫色燈光會(huì)讓攝像頭錯(cuò)誤地將盤子辨認(rèn)成可降解材料。不過(guò)，通過(guò)利用數(shù)百?gòu)堄蓄伾膱D像訓(xùn)練網(wǎng)絡(luò)，該團(tuán)隊(duì)最終得到了成功的模型。

“我真的要感謝自己在NVIDIA的兩年實(shí)習(xí)經(jīng)歷，我知道的關(guān)于深度學(xué)習(xí)的知識(shí)，都是在這里學(xué)到的。”Isaac如是說(shuō)，“現(xiàn)在我的目標(biāo)很明確，就是在將來(lái)從事這方面的工作。”

所有以上項(xiàng)目均可在GitHub上找到。