Bear Robotics 利用 NVIDIA 軟件將 KR1 機械人模型處理時間縮短至 60 毫秒

Bear Robotics 宣佈，利用 NVIDIA 軟件在其 KR1 人形機器人上，將運行機器人基礎模型所需的時間縮短約八倍，從 500 毫秒減至 60 毫秒。這一改進來自名為 KINO-2 的新機器人學習平台，旨在將人類演示轉化為 KR1 可以執行的任務。公司報告稱，其自有模型的處理時間提高了 4.2 倍，從 72.3 毫秒減至 17.2 毫秒。這些數據來自 Bear 內部測量，指的是模型推斷，即從訓練模型生成輸出的過程。

這並不意味著機器人移動速度加快八倍或完成實體任務的時間縮短八倍。

Bear Robotics 專注於開發商業操作用的機器人，並在 NVIDIA GTC Berlin 發佈了 KINO-2。該公司表示，目前已在超過 5,000 個客戶地點部署超過 16,000 台機器人，儘管這些機器人大部分為服務型機器人，而非人形機器人。

KINO-2 平台的功能

KINO-2 的設計旨在幫助 KR1 從演示中學習物體處理任務，而無需工程師逐一編程每個動作。Bear 收集任務的演示，並利用這些演示來訓練和改進模型，然後在 KR1 上評估其行為，最後在客戶操作中進行測試。該平台支持 Bear 內部開發的模型和外部基礎模型，這些模型可以從訓練數據中學習模式，並將其應用於涉及不同物體和環境的任務。

為了在 KR1 上運行軟件，Bear 將 NVIDIA Isaac OS 集成到其感知系統中，該系統處理有關機器人周圍環境的資訊。該設置使用 NVIDIA Jetson AGX Thor 硬件，並包含 NVIDIA Holoscan SDK 5.0。Bear 還使用 NVIDIA TensorRT 和模型量化來減少推斷延遲。量化通過以較低精度表示數值來減少模型的計算需求。

根據 Bear 的說法，這些變化有助於將 NVIDIA Isaac GR00T 的推斷時間從最初未優化的 500 毫秒減少到約 60 毫秒，而其自有模型的推斷時間則從 72.3 毫秒降至 17.2 毫秒。

更快的推斷時間可能有助於機器人在識別物體和決定如何處理物體時做出更快速的反應。然而，該公告並未提供完整任務時間、操作準確性或長期可靠性的比較數據。

KR1 的倉庫工作流程演示

在 NVIDIA GTC Berlin 上，Bear 正在展示 KR1 執行結合物體處理和運輸的倉庫工作流程。該機器人從倉庫管理系統接收訂單，挑選瓶子，將其放入箱中，將箱子送到卸貨點，然後返回取回空箱。該演示結合了 KINO-2 學習的操作技能與 Bear 現有的導航、控制和工作流程軟件。Bear Robotics 的首席機器人官 Bren Pierce 表示：「從事工作的人已經瞭解其產品、設備和工作順序。

演示使我們能夠捕捉這些知識並教導機器人。」

Bear 還計劃通過涉及超市退貨和倉庫箱處理的客戶試點來開發操作能力。該公司計劃將運輸貨物的專用移動機器人與處理物體的 KR1 人形機器人結合起來，兩者將通過共享的車隊管理和工作流程系統運行。GTC 演示顯示了這些能力如何在特定的倉庫任務中協同工作。Bear 尚未披露 KR1 在無需幹預的情況下完成更廣泛客戶工作流程的可靠性性能結果。

KR1 機械人技術的突破性進展

Bear Robotics 的 KR1 機械人透過 NVIDIA 的技術實現了顯著的處理時間縮短，這對於商業操作的自動化至關重要。KINO-2 平台的推出不僅提升了機器人的學習能力，還減少了對工程師手動編程的依賴。這種技術的進步使得機器人在複雜環境中更具靈活性和反應速度，能夠更有效地執行倉庫任務，從而提高整體效率。隨著公司計劃擴展其應用場景，KR1 的發展將可能改變商業自動化的未來。