现在是美国的橄榄球季后赛赛季——这个时候很容易不假思索地拿起鸡翅大口大口地吃下去。 然而，事实证明，帮助准备鸡肉的机器人必须付出很大的努力才能拿起那块肉。
Nvidia 周四展示了总部位于马萨诸塞州的初创公司 Soft Robotics 如何部署其技术——包括现场 GPU 和 Isaac Sim 机器人模拟工具包——以更轻松地部署旨在处理鸡翅等食物的机器人。
食品加工和包装厂似乎是部署机器人的明显场所。 像鸡翅这样的食物会在传送带上快速移动，因为它们被均匀地烹饪并准备好供食用。 与此同时，肉类包装公司等雇主很难填补健康和受伤风险增加的工作岗位。
即便如此，食品行业采用机器人工具的速度相对较慢。 长期以来，抓取形状异常的物体一直是机器人面临的主要挑战。 最重要的是，像一块鸡肉之类的东西可能会很滑而且发亮，因此更难抓住。 如果机器人掉落食物或将其撞到地板上，它就会被浪费掉。
除了合适的硬件外，食品加工线上的机器人系统还需要计算机视觉和数据集训练，这些数据集可以教会系统如何识别要抓取的单件食物。 Soft Robotics 为 Tyson Foods 和 Johnsonville 等主要食品供应商提供此类系统。 该初创公司的 mGripAI 系统可以使用独特的数据集进行训练，以拾取和处理不同种类的食物，例如肉类、农产品或烘焙食品。 该公司最近从 Tyson Ventures、Marel 和 Johnsonville Ventures 筹集了 2600 万美元的 C 系列资金。
Nvidia 表示，Soft Robotics 已经设法使用 Nvidia 的 Omniverse 平台将其 mGripAI 部署从几个月缩短到几天。 更具体地说，这家初创公司正在使用 Isaac Sim——一个用于构建操纵机器人数字双胞胎的平台。 Nvidia 于 2021 年推出的 Isaac Sim 基于 Nvidia 的 Omniverse Replicator，这是一种合成数据生成引擎。 Nvidia 构建这些工具是因为数据是构建 AI 模型的必要先决条件——然而，大量 AI 项目都缺乏高质量的数据。 使用 Replicator 生成的数据构建的机器人可以在一系列虚拟环境中掌握技能，然后再将它们应用到物理世界中。
为了为 Tyson Foods 等鸡肉供应商构建 AI 系统，Soft Robotics 使用 Isaac Sim 在不同设置（例如传送带或垃圾箱）和不同照明场景下创建鸡肉部位的 3D 渲染图。 这些模拟帮助 AI 系统了解单块鸡肉堆叠起来的样子，以及哪块最容易抓取。
Soft Robotics 也在使用现场 GPU，它是 Nvidia Inception 计划的一部分，该计划为公司提供 GPU 支持和 AI 平台指导。
