微软研究院:将物理 AI 推理卸载到边缘或云端 GPU 可提升机器人性能与续航
微软研究院对移动操作机器人工作负载做了首次系统性研究,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。
推荐理由:微软研究院系统测量了机器人端侧 GPU 推理的瓶颈,并给出可复用的 Kubernetes 卸载工具链。
微软研究院对移动操作机器人工作负载做了首次系统性研究,发现把物理 AI 推理从机器人端侧 GPU 卸载到边缘或云端 GPU,可提升任务成功率、支持更大模型并延长续航。
推荐理由:微软研究院系统测量了机器人端侧 GPU 推理的瓶颈,并给出可复用的 Kubernetes 卸载工具链。
NVIDIA 推出 ENPIRE 框架,让编码智能体自主完成真实机器人的策略改进闭环,在 PushT、整理插针、用切割器剪扎带等任务上达到 99% 成功率。系统由环境、策略改进、Rollout 和进化四个模块组成,每台工作站配 NVIDIA RTX 5090 与 I2RT 的 YAM 双臂。
OpenAI 训练了一对神经网络,让类人机械手解开魔方。神经网络完全在仿真中训练,使用与 OpenAI Five 相同的强化学习代码,并搭配名为 Automatic Domain Randomization(ADR)的新技术。系统能应对训练中从未见过的情况,例如被毛绒长颈鹿戳碰,说明强化学习不只适用于虚拟任务,也能解决需要极高灵巧度的物理世界问题。
推荐理由:OpenAI 用仿真训练加 ADR 让机械手解魔方,可了解强化学习从虚拟任务走向物理操作的关键思路。
OpenAI 训练出一只类人机械手,能够以空前的灵巧度操控实物。材料未披露具体方法、训练环境与评测数据。
推荐理由:OpenAI 用仿真环境训练类人机械手完成实物操作,可了解早期具身智能的迁移思路。
OpenAI 发布八个模拟机器人环境和 Hindsight Experience Replay 的 Baselines 实现,均基于过去一年的研究开发。这些环境已用于训练可迁移至实体机器人的模型,同时 OpenAI 还发布了一系列机器人研究课题请求。
OpenAI 最新机器人技术让完全在仿真中训练的控制器部署到实体机器人后,能在完成简单任务时应对环境中的意外变化,即从以往的开环系统转向闭环系统。
OpenAI 展示在模拟机器人摔跤任务中,元学习智能体能够快速击败更强的非元学习智能体,并能适应物理故障。
OpenAI 创建了一套机器人系统,完全在仿真环境中训练并部署到实体机器人上,该系统在看过一次任务演示后即可学会新任务。
推荐理由:OpenAI 早期机器人研究,展示仿真训练后迁移到实体机器人并实现单次示范学习新任务。
OpenAI 造出全球首个完全在仿真环境中训练、并部署到实体机器人上的垃圾邮件检测 AI。该系统将垃圾邮件识别从数字世界延伸到物理世界。