相信看过《流浪地球2》的朋友一定对其中的各种机器人印象深刻,带有机械臂的巡检机器人自主操作监测指标,保障空间站人员生命安全;地球联合政府会议厅,机器人驻守一旁辅助人类科学决策;北京航天中心数据中心,巡检机器人支撑着海量数据平稳运作;行星发动机机库中,移动机器人有条不紊地搬运传送着物料……
其实在现实生活中,在高性能边缘计算芯片和人工智能的加持下,机器人,正在从实验室走向商业落地。对于工程师而言,抓住机器人领域的快速发展的机会,才能立于不败之地。
边缘AI和机器人应用开发正当时
边缘人工智能已成为一个重要的增长市场。从技术发展方面看,芯片和软件技术的迭代一定程度推动了边缘AI的发展。过去芯片的算力无法满足边缘AI应用,同时软件配置通常是利用专家系统或者是基本机器学习系统来实现AI功能。
但是现在随着深度学习软件上的发展,以及高算力、低功耗的边缘处理器的普及,边缘AI在技术支持层面也得到了更好的发展。
与此同时,人工智能和机器学习应用程序的加入增加了垂直领域边缘部署的复杂性。从自主移动机器人、零售、智慧城市、农业、物流、制造到医疗保健,各个行业都在为边缘技术注入大量人工智能。
开发机器人是一项涉及多学科的工作。机械工程师、电气工程师、计算机科学家和AI工程师齐聚一堂,携手打造机器人。
目前已经有不少AI框架已经逐步支持端侧AI了,也有芯片厂商推出来面向AI的开箱即用的工具。例如依托Jetson平台,NVIDIA打造云原生软件堆栈、预先训练的模型、应用程序框架和不断发展的生态系统来简化边缘AI和机器人应用开发,从而实现快速上市。
NVIDIA Jetson让边缘AI和机器人应用开发易如反掌
NVIDIA Jetson是面向边缘计算的人工智能平台,适用于自主机器和其他嵌入式应用程序。而NVIDIA Jetson Nano是一款面向嵌入式和边缘人工智能市场的低成本入门级人工智能计算机。

NVIDIA Jetson Nano可以并行运行多个神经网络,用于图像分类、对象检测、分割和语音处理等应用。所有这些都被打包到一个易于使用的平台中,该平台的功耗仅为5瓦。
同时,NVIDIA还提供了Jetson Nano开发套件,以令人惊叹的速度轻松设置和运行现代人工智能算法。
从预测公交车到达时间到实时国际象棋游戏分析,从基于AI的音乐合成器到实验室设备的自动视觉警报系统, Jetson开发人员可以使用Jetson Nano开发套件发现AI的各种功能。
比如明尼苏达大学的研究人员开发了一种neuroprosthetic hand,它使用基于递归神经网络(RNN)的AI模型来读取和解码截肢者从周围神经活动中移动手指的意图。AI模型使用NVIDIA Jetson Nano作为便携式独立单元进行部署。
开发者Arthur Findelair演示了如何增强无人机的计算机视觉能力,并使用Jetson Nano的计算能力实现了无人机的手势控制。
NVIDIA Jetson的创新永无止境
NVIDIA正在继续增强Jetson系列,在2022年秋季GTC上发布的 Jetson Orin Nano系列为入门级 AI 设定了新标准。
Orin Nano模组在外形和引脚上与之前发布的Orin NX模组完全兼容。用户使用AGX Orin开发者套件开发适合Orin Nano系列的应用,能够灵活地设计一个系统来支持多个Jetson模组并轻松扩展其应用。
Orin Nano通过高速I/O和NVIDIA Ampere架构GPU支持多个并发AI应用流水线。零售分析、工业质量控制等入门级设备和应用的开发者将能够以较低的成本更容易地获得更复杂的AI模型。
Orin Nano模组将分为两个版本:Orin Nano 8GB提供最高40TOPS性能,功率为7W至15W;4GB版本提供最高20TOPS性能,功率仅为5W至10W。
Orin Nano得到了NVIDIA JetPack SDK的支持并由NVIDIA CUDA-X加速计算堆栈驱动。该计算堆栈也被用于创造工业物联网、制造业、智慧城市等领域的开创性AI产品。
目前,NVIDIA活跃的Jetson生态系统正在迅速发展。该生态系统已拥有超过100万名开发者、6000名客户、2000家初创企业和150家合作伙伴。Jetson合作伙伴提供从AI软件、硬件和应用设计服务到摄像头、传感器和外设、开发者工具以及开发系统等各类支持。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。