NVIDIA自主机器人与深度强化学习解读

　　李博士对自助机器人和深度强化学习有了更新的解读，对印象深刻的做个总结。
　　不同产业、不同工业，机器人外形差别很大。主要部件：控制单元——控制中心（大脑），能动单元——行走的部分。
　　传统机械手臂没办法理解到其他手臂的空间范围，目前的工业机器人可以在机械手臂上加入传感器，实现人机协作。
　　今天的机器人，需要更多的智能：

• 目标检测+目标识别
• 定制化开发
• 标定和前期校准
• 当环境变化不鲁邦

• 需要添加编程

  　　类似于学自行车的过程，不会有使用手册，标准，没有现实的规则或者公式，人类的决策机制与计算机不同，这就引入了强化学习。
  　　强化学习符合人的标准直觉，对周围世界感知部分需要特征提取和目标识别，准确率不是很好，模糊控制论盖过了风头。
  
  　　于是出现了强化深度学习，火遍了机器人行业
  特点：不断搜集样本的学习过程
  
  　　阿尔法狗也是强化深度学习的产物，但是真实世界在机器人上还有复杂问题：速度慢、训练有风险且昂贵、实验环境不易、设置部署问题
  　　NVIDIA ISAAC统一平台，在线训练和数据搜集。在VR世界训练机器人的系统，使开销和安全程度高很多，高清晰度的传感器精度。从仿真的角度方式更加smart。
  　　
  　　Isaac Sim——一个非常逼真的虚拟仿真环境，为开发者训练自动机器提供条件，并可以借助Jetson Xavier进行硬件测试。
  　　Isaac在网络边缘植入了大量的计算机能力。自动机器人可以凭借超人的能力感知周围世界，从而通过各种传感器来检测和识别周围的环境。制造业机器人就可以与人类和平共处并一同适应工作中的变化。物流机器人可以有效地支配并管理库存，并送货到家。