自律動作マシンは、倉庫や工場、その他の産業環境の効率を劇的に向上させると予測されています。NVIDIA Isaac ROS GEMは、ロボットが複雑な3D環境をインテリジェントに認識できるようにすることで、新しいアプリケーションを可能にします。
このビデオでは、ロボットがNVIDIAのGPUアクセラレーションによるビジュアルSLAMアルゴリズム（https://github.com/NVIDIA-ISAAC-ROS/isaac_ros_visual_slam）を使用して世界における自分の位置を見つける、カメラベースのナビゲーション・パイプラインをご紹介しています。GPUで加速されたリアルタイムの3Dシーン再構築（https://github.com/NVIDIA-ISAAC-ROS/isaac_ros_nvblox）は、環境をマッピングし、衝突のない軌道を計画するために使用されます。NVIDIA Isaac Sim（https://developer.nvidia.com/ja-jp/isaac-sim)）の一部であるReplicatorを使用して、ロボットシステムを開発および検証するための産業空間をプロシージャルに生成する方法について説明します。
GPUで加速されたロボティクス・アルゴリズムで、あなたのロボットを今すぐパワーアップさせましょう!
【書き起こし】(2) AI倉庫 Isaac SimとIsaac ROSによるナビゲーション
(00:00) ロボットが産業環境でより普及するにつれて、ロボットが世界に関する豊富な 3D 情報を認識できることが不可欠になります。このビデオでは、ロボット工学者が Nvidia ビジョンベースの Ross パッケージを使用して支援する方法を紹介します。 ロボットは、Nvidia Omniverse を使用してシミュレーションで空間をナビゲートし、真に堅牢なソリューションを実現します。Nvidia の一部であるレプリケーターを使用できる複数のシーンを手作りするのではなく、さまざまなシナリオでシミュレーションでロボット システムをテストすることが重要です。 オムニバース
(00:32) レプリケーターを使用すると、個々のアセットの開始キットから多数の環境を手続き的に簡単に生成できます。単純なルールと制約のセットを使用して独自のスペースに適合させ、テストとトレーニングの結果が代表的なものであることを確認します。 現実の世界 シミュレートされた環境ができたので、ロボットがその環境をナビゲートするのをどのように支援できるかを見てみましょう。最初に、ロボットは世界のどこにいるかを知る必要があります。ロボットの位置と動きを画像から計算します。 の視覚的特徴の追跡
(01:02) 周囲の空間 Nvidia Isaac Ross ビジュアル スラム GPU のパワーを利用して、これらのアルゴリズムを Nvidia Jetson モジュールを搭載した任意のロボットに適用しますが、ロボットの位置に関する知識だけでは十分ではありません 複雑な産業環境を安全にナビゲートする ロボットは、自身の障害物や障害物を発見できなければならない Isaac Ross の一部としてリリースされた Envy ブロックも rgbd データを使用して、ロボットの環境の緻密な 3D 表現を作成します これには、予期しない障害物が含まれる可能性があります ～に危険をもたらす
(01:35) ロボットがリアルタイムで観察されない場合、ここではシミュレートされたシーンの実際のジオメトリと一致するオンボードの再構成を示します。正確なメッシュを取得しながら、この密な 3D 表現から Jetson でリアルタイムに実行できます。 この例では、ロボットが安全に移動できる通過可能ゾーンを計算します 衝突コストは、オープンソース パス プランナー ros2 nav2 への入力として使用されます これにより、Isaac の Sim レプリケーター Isaac Ross ビジュアル スラムと、倉庫内の安全なナビゲーションが可能になります
(02:08) Isaac Ross Envy は、今日のロボットにシミュレートとビジュアル ナビゲーションの力をより簡単にもたらすことを妨げます
