跳到主要內容區

聚焦邊緣 AI 挑戰賽:“Sim-to-Real” 高效機器人導航框架

ImgDesc

 

2020 年 06 月 7 日 作者 NVIDIA DEVELOPER

自主機器人導航一直是一個難題,要想有效地解決這個難題,必須克服在AI平台上運行的深度學習框架。一名台灣清華大學學生在 Jetson AI 平台上展示了​​這樣一種易於實現的機器人導航框架,並在最近結束的邊緣 AI 挑戰賽中獲得了第二名。

這支 5 人團隊將自己稱為 “Team Do You Want to Build A Snowman”。他們使用單一攝影機和深度學習方法作了自主導航,並利用“ Sim-to-Real”(從模擬到現實)技術快速,有效地訓練了他們的深度強化學習(DRL)設備。該團隊在這個項目中所做出的最重要的貢獻是虛擬指導,這是一種將導航路徑傳遞至 DRL 設備的簡單有效方法。

該框架包含四個模組:感知,定位,規劃器和控制策略。這四個模組以及外圍組件(例如 RGB 攝影機和自動引導車)透過機器人操作系統(ROS)進行溝通。團隊採用了由 2 個 NVIDIA Jetson Nano 開發者套件和 2 個 NVIDIA Jetson Xavier 開發者套件模組組成的嵌入式叢集。本地化模組在 Jetson Xavier 套件上執行,因為它有更大的記憶體和更高的運算能力。 規劃器模組在 Jetson Nano 套件上執行,為協調嵌入式叢集該套件還用作 ROS 節點。

 

Sim-to-Real 高效機器人導航框架演示

研究人員表示:“透過採用小型攝影機和一些邊緣運算設備,我們使自主導航變得更加實用,經濟。我們相信,這個計劃會為未來基於視覺的自主導航研究開闢新方向。”

瀏覽數: