人类的手是数百万年进化过程中最了不起的成果之一。我们能够拿起各种物体并将它们作为工具使用，这是我们与其他动物的最大区别之一，这也使我们能够改变周围的世界。 要想让机器人在人类的日常生活中工作，机器人必须能够与我们的工具和周围的环境进行灵巧的互动。如果没有这种能力，它们就只能继续留在工厂、仓库等专门的领域发挥作用。 虽然有腿的机器人只需要一段时间就可以学会如何行走，但实践证明有手的机器人控制起来的难度要大得多。带有手指的机器人手有更多的关节，它们的运动必须经过特定的协调后才能完成指定的任务。传统的机器人控制方法需要预先对抓取和运动进行精确的编程，因此无法实现人类认为理所当然的那种普通精细运动控制技能。 解决这些问题的方法之一是采用深度强化学习（RL）技术训练一个控制机器人关节的神经网络。通过深度强化学习，机器人能够从试验和错误中学习，并在成功完成指定任务后得到奖励。然而学习这种技术可能需要数百万甚至数十亿样本，因此它几乎不可能直接应用于现实中的机器人。 DeXtreme将模拟环境中的灵巧操作转移到现实世界 模拟的应用 NVIDIA的Isaac机器人模拟器能够创造一个用于训练机器人的模拟空间，这个空间的运行速度比现实世界快1万多倍，但是遵守物理法则。 从事DeXtreme项目的NVIDIA研究者们，利用RL机器人训练模拟器IsaacGym教机器人手如何将一个立方体摆放到指定的目标位置和方向或姿态。神经网络大脑可以在模拟中学会这一操作之后，再被移植到现实世界中控制机器人。 之前，只有OpenAI的研究者们展示过一次类似的工作。不过，他们的工作需要一个更复杂、更昂贵的机器人手，一个带有精确运动控制传感器的立方体，而且需要使用由数百台计算机组成的超级计算集群进行训练。 灵巧性训练的大众化 为了使世界各地的研究者都能够复制我们的实验，DeXtreme项目选择了尽可能简单、便宜的硬件。机器人本身是一台AllegroHand，其成本只有其他一些机器人的110，它有四根手指并且没有可以移动的手腕。我们使用现成的RGB摄像头作为追踪立方体的眼睛，这样就可以在不使用特殊硬件的情况下根据需要轻松移动立方体。立方体是3D打印的，每个面都有贴纸。 一个简单、可负担的现成系统是实现可复制性的关键。DeXtreme使用的是三个RGB摄像头、一个3D打印的立方体和一个高性价比的机器人手，所以大家也应该可以轻松尝试。 DeXtreme使用IsaacGym进行训练，该模拟器可提供一个用于强化学习的端到端GPU加速模拟环境。NVIDIAPhysX在GPU上模拟出场景。在深度学习控制策略网络的训练过程中，结果会保留在GPU内存中。因此，这项训练可以在一台OmniverseOVX服务器上进行。在这个系统上训练一个好的策略大约需要32小时，相当于一个机器人在现实世界中42年的经验。 由于不需要单独的CPU集群进行模拟，因此在目前的云租赁价格下，训练所产生的计算成本降低了10200倍。使用IsaacGym训练模型大大减少了训练的时间和成本。 感知和合成数据 为了让机器人知道它所持的立方体的位置和方向，需要为机器人加上一个感知系统。为了控制成本并为将来操控其他物体留出余地，DeXtreme使用了三个现成的摄像头和一个可以解释立方体姿态的神经网络。 该网络通过使用OmniverseReplicator生成的约500万帧合成数据训练而成，没有使用任何真实的图像。它学习了如何在具有挑战性的真实环境中执行任务。为了使训练更加有效，我们使用了一种叫做域随机化的技术来改变照明和摄像机的位置，同时使用数据增强技术添加随机裁剪、旋转和背景。 DeXtremeNVIDIAOmniverseReplicator合成数据通过随机改变背景、照明和摄像机角度来训练一个强大的感知网络 DeXtreme姿态估计系统非常可靠，即便是在目标物体被部分遮挡或者图像有明显运动模糊的情况下也能准确感知到姿态。 DeXtreme姿态估计器的计算机视觉模型在立方体的一部分被人手遮挡时的输出结果 现实世界中的机器人训练依然困难重重 使用模拟的主要原因之一是直接在现实世界中训练机器人会产生各种难题。例如机器人硬件在过度使用后容易损坏、实验的迭代周期和周转时间可能很长等。 除了模拟之外，机器人还必须解决所有现实中的机械和物理学问题 我们在实验中经常发现在长期使用后需要对机械手进行修理，例如拧紧松动的螺丝、更换带状电缆、在进行1015次试验后需要让机械手休息并等待它冷却等。在模拟中，我们是在一个不会损坏的机器人上进行训练，所以能够避开许多这样的问题，同时还能获得学习高难度任务所需的大量数据。而且模拟的运行速度比实时训练快得多，所以迭代周期大幅缩短。 在模拟环境中训练的最大问题是需要缩小模拟和现实世界之间的差距。为了解决这个问题，DeXtreme对模拟器中设置的物理属性使用了域随机化，可一次在超过十万个模拟环境中大规模地改变物体的质量、摩擦水平和其他属性。 随机化所带来的好处之一是让我们可以使用各种不常见的场景组合来训练人工智能，这能保证机器人在现实世界执行任务时的稳健性。例如，我们在现实机器人上的大部分实验都是在由于电路板上的连接松动而导致拇指轻微失灵的情况下进行的。尽管如此，我们还是对这些策略能够从模拟可靠地转移到现实世界而感到惊讶。 经过超过32小时的强化学习，DeXtreme机器人能够在根据指定目标旋转立方体的任务中反复取得成功 从模拟到现实 未来机器人操作领域的突破将催生出新一批不仅限于传统工业用途的机器人应用。DeXtreme项目所传达的核心信息是：模拟可以成为训练复杂机器人系统的一个非常有效的工具，包括需要不断接触环境中的物体的机器人系统。我们使用成本相对较低的硬件来证明这一点是为了鼓励大家使用我们的模拟工具并在此基础上继续努力。 关于DeXtreme项目的更多细节，请查看论文并访问项目网页：https：dextreme。org
坦克世界街机模式不走寻常路，全民公开赛风云涌动！对FC平台上的坦克大战念念不忘？如今你已经能玩到该游戏的究极进化版，它就是国内目前玩家基数最多的军事网游《坦克世界》。此时入坑，你不仅能体验街机模式的磁轨炮，还能欣赏全民公开赛……与小S合作过的台湾时尚摄影师PoyenchenPoyenchen是来自台湾的时尚摄影师，与蔡依林、小s、许玮甯等明星合作拍摄过，并且为红秀等杂志拍摄的封面内容也一向获得好评。他和新锐视觉总监Yiiooi合作尝试打造数……朱民回应美元霸权不再沙特根本不缺钱，它为什么要人民币贷款？因（观察者网讯）29日下午，中国国际经济交流中心副理事长、国际货币基金组织（IMF）前副总裁朱民在博鳌亚洲论坛2023年年会上接受媒体采访。期间有记者提问：很多产业在考虑或……父亲图片来源于网络其实，早该奉献给父亲这片虔诚，心中早已涌动着对父爱的赞颂。屡次提笔却又放下，只因难以理清心灵深处那团感情的纠结：是钦敬，是仰慕，是崇拜，是爱戴，是鞭策，是鼓……本就是不清不楚的关系，有什么资格生气1、我有什么资格生气，本就是不清不楚的关系，我开心的时候你不在，我难过的时候你不在，我需要你的时候你也不在。。。2、明明有过那么多亲密举动，袒露过那么次心扉，也温暖过彼此……游客在遗址公园踏入排水沟摔伤，向公园索赔25万余元，为何被法游园路上一不留神掉沟里了手臂摔成骨折游客说公园没做好警示工作但法院判定公园无需担责这是怎么回事？游客因在园内摔伤而起诉公园2020年3月初，小张与……今年的年假，想全部浪费在这1430个小岛身上！大家好啊（），今天值班的是想泡海岛、啃椰子的磊磊。自打能丝滑出境之后，泰国是真火啊，我朋友圈那帮常年泡在三亚的土豪们，齐刷刷都飞去泰国刷酒店了。今年肯定会有很多人打……Python神经网络学习大乐透第23026期数据分析第23026期分析计算结果如下：红：2、8、9、12、21、22、27、30、32蓝：2、7、10python基本程序设计实例以下是一些Python基本……还在被大牌同款种草？真的没必要！今年春节回老家，言言一如既往被家乡小姐妹包围，开启了一年一度的现场护肤答疑，过年7天997的业务量，简直上班还忙（bushi）。而在众多护肤相关的问题中，一个叫某要的平台……当你在股市赚不到钱的时候，这篇文章你一定要看，请记住这句话！强大的交易实力必须由强大的交易思想或深信不疑的思想支撑。交易思想决定一个人对市场的认知和态度，决定自己的交易，进而决定着交易理念的建立。特别是那些试图寻找自己交易方法的投……皇马青年A队21战胜阿尔梅里亚，连续两年夺青年国王杯冠军202223赛季青年国王杯在当地时间3月11日下午落下了帷幕，由皇马名宿阿韦罗亚率领的皇家马德里青年A队，以21的比分战胜了阿尔梅里亚青年A队，成功卫冕。本届青年国王杯四……梦中的桃源安徽南屏南屏是寂寞的，虽然她也有近千年的历史，但是一直以来，她都只是个默默无闻的小村子，没有名人从这里走出去，中国现代大大小小的战争也没有把战火蔓延到这里。但是南屏的寂寞正是游人的大幸……