Penguraian Robot Humanoid Berteknologi Kecerdasan Buatan Kian Melesat

JAKARTA – Raksasa teknologi Nvidia mengumumkan tersedianya rangkaian layanan, model, lalu sistem komputasi berbasis artificial Intelligence (AI) untuk mengupayakan pengembangan robot humanoid generasi terbaru.
Menurut pendiri kemudian direktur utama Nvidia, Jensen Huang, ini akan membuka akses bagi pengembang juga perusahaan untuk menggunakan platform, perpustakaan akselerasi, juga model Kecerdasan Buatan yang tersebut paling sesuai dengan keinginan pada merancang robot.
Layanan yang disebutkan antara lain NVIDIA NIM untuk simulasi lalu pembelajaran robot, dan juga layanan orkestrasi NVIDIA OSMO untuk menjalankan beban kerja robotik multi-tahap, teleoperasi berbasis AI, kemudian simulasi yang digunakan memungkinkan pengembang melatih robot menggunakan beberapa orang kecil data demonstrasi manusia.
Dijelaskan Jensen, layanan mikro NIM menyediakan container yang mana telah dilakukan dibuat sebelumnya, didukung oleh perangkat lunak inferensi NVIDIA, yang digunakan memungkinkan pengembang menurunkan waktu penerapan dari minggu ke menit.
Dua layanan mikro Teknologi AI baru akan memungkinkan ahli robotik meningkatkan alur kerja simulasi untuk Artificial Intelligence fisik generatif di tempat NVIDIA Isaac Sim, aplikasi mobile referensi untuk simulasi robotika yang tersebut dibangun pada platform digital NVIDIA Omniverse.
MimicGen NIM menciptakan data aksi sintetis berdasarkan rekaman data yang dimaksud dioperasikan melalui jarak terpencil dari perangkat komputasi spasial seperti Apple Vision Pro. Robocasa NIM menghasilkan kembali tugas robot juga lingkungan siap simulasi di area OpenUSD, kerangka kerja universal untuk mengembangkan serta berkolaborasi pada dunia 3D.
Sementara NVIDIA OSMO, adalah layanan terkelola cloud-native yang mana memungkinkan pengguna mengatur dan juga menskalakan alur kerja pengembangan robotika yang mana kompleks dalam seluruh sumber daya komputasi terdistribusi, baik pada lokasi maupun di area cloud.
OSMO mampu menyederhanakan pelatihan robot kemudian alur kerja simulasi, memotong waktu siklus penerapan juga pengembangan dari beberapa bulan menjadi kurang dari seminggu.
“Pengguna dapat memvisualisasikan serta menjalankan berbagai tugas seperti memunculkan data sintetis, model pelatihan, melakukan pembelajaran penguatan, serta menerapkan pengujian perangkat lunak pada skala besar untuk humanoid, robot bergerak otonom, dan juga manipulator industri,” kata Jensen.




