NVIDIA 新发布的 Jetson Orin Nano Super 可将生成式 AI 性能提升至1.7 倍，支持科技爱好者、开发者和学生使用的主流模型。
Selin Alara Ornek 是一名富有远见的高中生。她使用机器学习和 NVIDIA Jetson 边缘 AI 和机器人平台，为视障人士打造了机器人导盲犬。
光轮智能借助 NVIDIA Isaac Sim，通过 3D 生成与建模技术构建高度逼真的虚拟场景，将现实世界的复杂场景抽象并转化为高质量的训练数据源，从而更有效地满足模型的多样化训练需求。
该初创公司展示了新型机器人，其使用 NVIDIA Isaac Sim 处理合成数据，并使用基于 NVIDIA 加速计算进行实时推理训练的生成式 AI 模型。
NVIDIA 创始人兼首席执行官黄仁勋最近表示，开发先进机器人需要“三台计算机”。世界各地的机器人开发者将有机会在未来几个月的三场活动中，看到这三台计算机的最新突破。
ChatGPT 标志着生成式 AI 的大爆炸时刻。它几乎可以针对任何查询生成答案，有助于改变知识型员工在内容创作、客户服务、软件开发和业务运营等方面的数字工作。
在丹麦最古老的城市之一、自动化中心欧登塞举行的 ROSCon 上，NVIDIA 及其机器人生态合作伙伴发布了适用于机器人操作系统（ROS）开发者的生成式 AI 工具、仿真和感知工作流。
通过结合 Hugging Face 的 LeRobot 开源框架与 NVIDIA AI 和机器人技术，研究人员和开发者将能够推动众多行业进步。
新的 Project GR00T 工作流和 AI world model 开发技术将提高机器人的灵巧性、控制性、操纵性和移动性。
为提高安全性并优化运营，仓库、工厂、体育场、机场等大型区域通常会有数百个摄像头进行监控。多摄像头追踪指的是通过这些摄像头追踪对象，并精确测量其活动，以此实现对空间的有效监控和管理。
案例简介：在本案例中，银河通用的团队借助 Isaac Lab 搭建了具有挑战性的灵巧抓握基准 DexGraspNet，这是一个最近提出的基准套件，专门用于学习可泛化的灵巧抓握。DexGraspNet 包含 1.32M 个 ShadowHand 对 5355 个物体的抓握动作，比 DDG 之前的数据集大两个数量级。它具有 GraspIt!* 无法实现的多种抓握类型。
机器人需要具备很强的适应能力，能够随时学习新的技能并适应周围环境。但传统的训练方法会限制机器人将所学技能应用于新情况，常见的原因有感知与行动之间存在差距和难以将技能迁移到不同的情境中。
数字孪生能够有效地为工厂、零售空间等资产创建基于物理学的虚拟复制品，实现对现实世界环境的精确仿真。这使得大规模且具有特定用途的合成数据在现实世界的计算机视觉和 AI 工作流中变得越发重要。
智能交通系统 (ITS) 在现代城市环境中的应用正变得越来越有价值和普遍。使用 ITS 应用的优点包括：
伴随着视觉 AI 复杂性的增加，精简的部署解决方案已成为优化空间和流程的关键。NVIDIA 能够加快企业的开发速度，借助 NVIDIA Metropolis AI 工作流和微服务，企业只需数周就能将想法变成现实，而原本这项工作需要耗费数月时间。
借助 R515 驱动程序，NVIDIA 于 2022 年 5 月发布了一套开源的 Linux GPU 内核模块，该模块采用双许可证，即 GPL 和 MIT 许可。初始版本主要面向数据中心计算 GPU，而 GeForce 和工作站 GPU 则处于 Alpha 状态。
开发者可以访问新的 NVIDIA NIM 微服务，用于 Isaac Lab 和 Isaac Sim 中的机器人仿真、OSMO 机器人云计算编排服务和远程操作数据捕获工作流等
家庭和工业环境中的大多数物品都由多个部件组装而成。而装配工作一般交给人工，但在汽车等一些行业，机器人装配已十分普遍。
由于涉及复杂的动力学，为四足机器人制定有效的运动策略是机器人领域面临的重大挑战。在现实世界中训练四足机器人上下楼梯可能会损坏设备和环境，因此，在学习过程中，仿真器在确保安全和消除时间限制方面都发挥着关键作用。
由物理 AI 驱动的 AI 机器人时代已经来临。物理 AI 模型能够理解周围环境，并在物理世界中自主完成复杂的任务。许多复杂任务都难以编程（如灵巧的操作和人形机器人在崎岖的地形上运动），需要依赖在仿真环境中使用强化学习（RL）训练而成的生成式物理 AI 模型。
