Πώς η NVIDIA έγινε σημαντικός παίκτης στη ρομποτική

[A version of this post appeared in TechCrunch’s robotics newsletter, Actuator. Subscribe here.]

Η τελευταία φορά που μίλησα με την NVIDIA εκτενώς για τη ρομπο

τι

κή ήταν επίσης η τελευταία φορά που παρουσιάσαμε την Claire Delaunay στη σκηνή στην εκδήλωση Sessions. Ήταν πριν λίγο καιρό. Έφυγε από την εταιρεία τον περασμένο Ιούλιο για να συνεργαστεί με startups και να κάνει επενδύσεις. Στην πραγματικότητα, επέστρεψε στη σκηνή του TechCrunch στο Disrupt πριν από δύο εβδομάδες για να συζητήσει τη δουλειά της ως σύμβουλος του διοικητικού συμβουλίου της εταιρείας ag tech Farm-ng.

Όχι ότι η Nvidia επιθυμεί απεγνωσμένα θετική ενίσχυση μετά τις τελευταίες αρκετές αναφορές κερδών της, αλλά δικαιολογεί την επισήμανση του πόσο καλά απέδωσε η στρατηγική ρομποτικής της εταιρείας τα τελευταία χρόνια. Η Nvidia έφερε πολλά στην κατηγορία σε μια εποχή που η ενσωμάτωση της ρομποτικής πέρα ​​από την κατασκευή φαινόταν ακόμα σαν ένα όνειρο για πολλούς. Ο Απρίλιος συμπληρώνει μια δεκαετία από την κυκλοφορία του TK1. Nvidia

περιέγραψε την προσφορά με αυτόν τον τρόπο εκείνη την εποχή

«Το Jetson TK1 φέρνει τις δυνατότητες του Tegra K1 στους

προγραμματιστές

σε μια συμπαγή πλατφόρμα χαμηλής κατανάλωσης που κάνει την ανάπτυξη τόσο απλή όσο η ανάπτυξη σε υπολογιστή».

Αυτόν τον Φεβρουάριο, το

σημείωσε η εταιρεία

, «Ένα εκατομμύριο προγραμματιστές σε όλο τον κόσμο χρησιμοποιούν τώρα την πλατφόρμα Nvidia Jetson για αιχμή AI και ρομποτική για να δημιουργήσουν καινοτόμες τεχνολογίες. Επιπλέον, περισσότερες από 6.000 εταιρείες – το ένα τρίτο των οποίων είναι startups – έχουν ενσωματώσει την πλατφόρμα με τα προϊόντα τους».

Θα δυσκολευτείτε πολύ να βρείτε έναν προγραμματιστή ρομποτικής που να μην έχει αφιερώσει χρόνο στην πλατφόρμα, και ειλικρινά είναι αξιοσημείωτο πώς οι χρήστες διαχειρίζονται τη γκάμα από χομπίστες έως πολυεθνικές εταιρείες. Αυτό είναι το είδος των εταιρειών διάδοσης όπως η Arduino θα σκότωνε.

Την περασμένη εβδομάδα, επισκέφτηκα τα τεράστια γραφεία της εταιρείας στη Santa Clara. Τα κτίρια, που άνοιξαν το 2018, είναι αδύνατο να χάσετε από τον αυτοκινητόδρομο San Tomas Expressway. Στην πραγματικότητα, υπάρχει μια πεζογέφυρα που περνά πάνω από το δρόμο, συνδέοντας το παλιό και το νέο αρχηγείο. Ο νέος χώρος αποτελείται κυρίως από δύο κτίρια: το

Voyager

και το Endeavor, που αποτελούνται από 500.000 και 750.000 τετραγωνικά πόδια, αντίστοιχα.

Μεταξύ των δύο υπάρχει ένας υπαίθριος διάδρομος γεμάτος δέντρα, κάτω από μεγάλες, διασταυρούμενες πέργκολες που υποστηρίζουν ηλιακές συστοιχίες. Η μάχη στα κεντρικά γραφεία του South Bay Big Tech έχει πολύ οξυνθεί τα τελευταία χρόνια, αλλά όταν ουσιαστικά εκτυπώνετε χρήματα, η αγορά γης και η κατασκευή γραφείων είναι ίσως το καλύτερο μέρος για να το κατευθύνετε. Απλώς ρωτήστε την Apple, την

Google

και το

Facebook

.

Η είσοδος της Nvidia στη ρομποτική, εν τω μεταξύ, επωφελήθηκε από κάθε είδους kismet. Η εταιρεία γνωρίζει το πυρίτιο τόσο καλά όσο οποιοσδήποτε άλλος στη γη σε αυτό το σημείο, από το σχεδιασμό και την κατασκευή έως τη δημιουργία συστημάτων χαμηλής κατανάλωσης ικανών να εκτελούν όλο και πιο περίπλοκες εργασίες. Αυτά τα πράγματα είναι θεμελιώδη για έναν κόσμο που επενδύεται όλο και περισσότερο στην τεχνητή νοημοσύνη και την ML. Εν τω μεταξύ, το εύρος των γνώσεων της Nvidia σχετικά με τα παιχνίδια έχει αποδειχθεί τεράστιο πλεονέκτημα για την Isaac Sim, την πλατφόρμα προσομοίωσης ρομποτικής της. Είναι λίγο τέλεια καταιγίδα, πραγματικά.

Μιλώντας στη SIGGRAPH τον Αύγουστο, ο Διευθύνων Σύμβουλος Jensen Huang εξήγησε, «Συνειδητοποιήσαμε ότι η ραστεροποίηση έφτανε στα όριά της. Το 2018 ήταν μια στιγμή «στοίχημα της εταιρείας». Απαιτούσε να εφεύρουμε εκ νέου το υλικό, το λογισμικό, τους αλγόριθμους. Και ενώ εφευρίσκαμε εκ νέου το CG με AI, εφευρίσκαμε εκ νέου τη GPU για την τεχνητή νοημοσύνη».

«Οι περισσότεροι άνθρωποι σκέφτονται τη ρομποτική ως ένα φυσικό πράγμα που έχει συνήθως χέρια, πόδια, φτερά ή τροχούς – αυτό που νομίζετε ως αντίληψη μέσα προς τα έξω», σημείωσε σχετικά με τη συσκευή γραφείου. «Ακριβώς όπως οι άνθρωποι. Οι άνθρωποι έχουν αισθητήρες για να βλέπουν το περιβάλλον μας και να συλλέγουν την επίγνωση της κατάστασης. Υπάρχει επίσης αυτό το πράγμα που ονομάζεται ρομποτική έξω-μέσα. Αυτά τα πράγματα δεν κινούνται. Φανταστείτε ότι είχατε κάμερες και αισθητήρες στο κτίριό σας. Είναι σε θέση να δουν τι συμβαίνει. Έχουμε μια πλατφόρμα που ονομάζεται Nvidia Metropolis. Διαθέτει αναλυτικά στοιχεία βίντεο και κλιμάκωση για διασταυρώσεις κυκλοφορίας, αεροδρόμια, περιβάλλοντα λιανικής.”

Συντελεστές εικόνας:

TechCrunch

Ποια ήταν η αρχική αντίδραση όταν δείξατε το σύστημα Jetson το 2015; Προερχόταν από μια εταιρεία που οι περισσότεροι συνδέουν με το gaming.

Ναι, αν και αυτό αλλάζει. Αλλά έχεις δίκιο. Αυτό είναι που έχουν συνηθίσει οι περισσότεροι καταναλωτές. Η τεχνητή νοημοσύνη ήταν ακόμα νέα, έπρεπε να εξηγήσεις ποια περίπτωση χρήσης καταλάβαινες. Τον Νοέμβριο του 2015, ο Jensen [Huang] και πήγα στο Σαν Φρανσίσκο για να παρουσιάσω μερικά πράγματα. Το παράδειγμα που είχαμε ήταν ένα αυτόνομο drone. Αν ήθελες να κάνεις ένα αυτόνομο drone, τι θα χρειαζόσουν; Θα χρειαστεί να έχετε τόσους πολλούς αισθητήρες, πρέπει να επεξεργαστείτε τόσα πλαίσια, πρέπει να το αναγνωρίσετε. Κάναμε κάποια πρόχειρα μαθηματικά για να προσδιορίσουμε πόσους υπολογισμούς θα χρειαζόμασταν. Και αν θέλετε να το κάνετε σήμερα, ποια είναι η επιλογή σας; Δεν υπήρχε κάτι τέτοιο εκείνη την εποχή.

Πώς ενημέρωσε το ιστορικό gaming της Nvidia τα έργα ρομποτικής της;

Όταν ξεκινήσαμε για πρώτη φορά την εταιρεία, το gaming ήταν αυτό που μας χρηματοδότησε για την κατασκευή των GPU. Στη συνέχεια προσθέσαμε το CUDA στις GPU μας, ώστε να μπορεί να χρησιμοποιηθεί για μη γραφικές εφαρμογές. Το CUDA είναι ουσιαστικά αυτό που μας οδήγησε στο AI. Τώρα η τεχνητή νοημοσύνη βοηθά το gaming, για παράδειγμα λόγω της ανίχνευσης ακτίνων. Στο τέλος της ημέρας, κατασκευάζουμε μικροεπεξεργαστές με GPU. Όλο αυτό το ενδιάμεσο λογισμικό για το οποίο μιλήσαμε είναι το ίδιο. Το CUDA είναι το ίδιο για τη ρομποτική, τους υπολογιστές υψηλής απόδοσης, την τεχνητή νοημοσύνη στο cloud. Δεν χρειάζεται όλοι να χρησιμοποιούν όλα τα μέρη του CUDA, αλλά είναι το ίδιο.

Πώς συγκρίνεται ο Isaac Sim [Open Robotics’] Κιόσκι;

Το Gazebo είναι ένας καλός, βασικός προσομοιωτής για την εκτέλεση περιορισμένων προσομοιώσεων. Δεν προσπαθούμε να αντικαταστήσουμε το Gazebo. Το Gazebo είναι καλό για βασικές εργασίες. Παρέχουμε μια απλή γέφυρα ROS για τη σύνδεση Gazebo με τον Isaac Sim. Αλλά ο Ισαάκ μπορεί να κάνει πράγματα που κανείς άλλος δεν μπορεί να κάνει. Είναι χτισμένο στην κορυφή του Omniverse. Όλα τα πράγματα που έχετε στο Omniverse έρχονται στον Isaac Sim. Είναι επίσης σχεδιασμένο να συνδέεται σε οποιαδήποτε λειτουργία AI, οποιοδήποτε πλαίσιο, όλα τα πράγματα που κάνουμε στον πραγματικό κόσμο. Μπορείτε να το συνδέσετε για όλη την αυτονομία. Έχει και την οπτική πιστότητα.

Δεν ψάχνετε να ανταγωνιστείτε με ROS.

Οχι όχι. Θυμηθείτε, προσπαθούμε να δημιουργήσουμε μια πλατφόρμα. Θέλουμε να συνδεθούμε με όλους και να βοηθήσουμε τους άλλους να αξιοποιήσουν την πλατφόρμα μας όπως ακριβώς και εμείς αξιοποιούμε τη δική τους. Δεν έχει νόημα να ανταγωνίζεσαι.

Συνεργάζεστε με ερευνητικά πανεπιστήμια;

Απολύτως. Ο Dieter Fox είναι ο επικεφαλής της έρευνας ρομποτικής Nvidia. Είναι επίσης καθηγητής στο Πανεπιστήμιο της Ουάσιγκτον στη ρομποτική. Και πολλά από τα μέλη της έρευνας μας έχουν επίσης διπλές σχέσεις. Σε πολλές περιπτώσεις συνδέονται με πανεπιστήμια. Δημοσιεύουμε. Όταν κάνετε έρευνα, πρέπει να είναι ανοιχτή.

Συνεργάζεστε με τελικούς χρήστες σε θέματα όπως η ανάπτυξη ή η διαχείριση στόλου;

Πιθανώς όχι. Για παράδειγμα, αν ο John Deere πουλά ένα τρακτέρ, οι αγρότες δεν μιλούν σε εμάς. Συνήθως, η διαχείριση στόλου είναι. Έχουμε εργαλεία για να τους βοηθήσουμε, αλλά η διαχείριση του στόλου γίνεται από όποιον παρέχει την υπηρεσία ή κατασκευάζει το ρομπότ.

Πότε η ρομποτική έγινε κομμάτι του παζλ για την Nvidia;

Θα έλεγα, αρχές του 2010. Τότε ήταν που συνέβη η τεχνητή νοημοσύνη. Νομίζω ότι η πρώτη φορά που η βαθιά μάθηση εμφανίστηκε σε ολόκληρο τον κόσμο ήταν το 2012. Υπήρχε

πρόσφατο προφίλ

στον Bryan Catanzaro. Μετά είπε αμέσως

LinkedIn

, [Full quote excerpted from the LinkedIn post], «Στην πραγματικότητα δεν έπεισα τον Τζένσεν, αντ’ αυτού απλώς του εξήγησα τη βαθιά εκμάθηση. Αμέσως διαμόρφωσε τη δική του πεποίθηση και όρισε τη Nvidia να γίνει εταιρεία τεχνητής νοημοσύνης. Ήταν ενθαρρυντικό να το παρακολουθώ και ακόμα μερικές φορές δεν μπορώ να πιστέψω ότι έφτασα εκεί για να παρακολουθήσω τη μεταμόρφωση της Nvidia.”

Το 2015 ήταν όταν ξεκινήσαμε την τεχνητή νοημοσύνη όχι μόνο για το cloud, αλλά για το EDGE τόσο για το Jetson όσο και για την αυτόνομη οδήγηση.

Όταν συζητάτε για τη γενετική τεχνητή νοημοσύνη με ανθρώπους, πώς τους πείθετε ότι είναι κάτι περισσότερο από μια μόδα;

Νομίζω ότι μιλάει στα αποτελέσματα. Μπορείτε ήδη να δείτε τη βελτίωση της παραγωγικότητας. Μπορεί να συνθέσει ένα email για μένα. Δεν είναι ακριβώς σωστό, αλλά δεν χρειάζεται να ξεκινήσω από το μηδέν. Μου δίνει 70%. Υπάρχουν προφανή πράγματα που μπορείτε ήδη να δείτε που είναι σίγουρα μια λειτουργία βήματος καλύτερα από το πώς ήταν τα πράγματα πριν. Το να συνοψίζεις κάτι δεν είναι τέλειο. Δεν πρόκειται να το αφήσω να διαβάσει και να συνοψίσει για μένα. Έτσι, μπορείτε ήδη να δείτε κάποια σημάδια βελτίωσης της παραγωγικότητας.