NVIDIA西雅图机器人技术研究实验室负责人是谁？

NVIDIA研究团队将在机器人全领域旗舰会议——“国际机器人与自动化会议（ICRA）”上就19篇论文发表演讲。届时，来自NVIDIA的Dieter Fox将被颁发由IEEE机器人与自动化协会授予的RAS先锋奖。

RAS先锋奖获得者 Dieter Fox

始于1984年，由电气和电子工程师协会发起的“国际机器人与自动化会议（ICRA）”作为当前机器人全领域的旗舰会议，汇集了来自世界各地的数千名研究人员，在业内享有很高声誉。在今年的线上会议上，来自NVIDIA的Dieter Fox将领取IEEE机器人与自动化协会颁发的RAS先锋奖。

Fox是公司机器人研究高级主管、NVIDIA西雅图机器人技术研究实验室负责人，同时在华盛顿大学的保罗·艾伦计算机科学与工程学院（UW Robotics and State Estimation Lab）担任教授，以及华盛顿大学机器人状态估计实验室负责人。在NVIDIA实验室，Fox领导20余名研究员和实习生与邻近的华盛顿大学达成合作培养。

此次获得RAS先锋奖，是表彰“他在概率状态估计、RGB-D感知、机器人学中的机器学习，以及为学术和工业机器人的研究架起桥梁所做出的开创性贡献”。

Fox表示，能获得研究同事的认可与 IEEE 协会奖项是令其难以置信的荣誉，“我非常感谢在我的职业生涯中与我共事的那些出色的合作者和学生，同样感谢IEEE 注意到构建学术研究与产业研究间联系的重要性。我相信这种联系的建立能够使我们在关键问题上取得更快的进展。”

除Fox的会议演讲外，还有19名NVIDIA研究人员将就其发表的论文进行演讲，内容涵盖机器人领域内多个主题。

以下是部分被ICRA收录的NVIDIA优秀研究论文：

机器人技术入围最佳论文奖

《6-DOF Grasping for Target-Driven Object Manipulation in Clutter》入围机器人操作最佳论文奖和最佳学生论文奖。

Adithya Murali是卡内基梅隆大学机器人研究所的首席研究员之一，他评价说，本文深入研究了多数现实场景中必须面对的技术难题——机器人在混乱环境中进行目标抓取的问题。目前的许多研究仅考虑平面抓取，即机器人自上而下抓取，而不能在多维空间中移动。

NVIDIA机器人研究实验室的资深研究科学家Arsalan Mousavian作为该论文的另一位首席研究员，解释了研究中所运用的模拟技术。他说：“我们不受任何物理机器人的束缚，那既费时又昂贵。”

Mousavian及其同事在NVIDIA V100 Tensor Core GPUs上训练算法，并在数组NVIDIA TITAN GPU上进行测试。这篇论文的训练数据包括在不到半天的时间内模拟750，000个机器人对象交互，以及若干在一周内训练的模型。一旦训练完成，该机器人便能够在现实世界中强大地操纵物体。

重新规划成功

在另一篇名为《Online Replanning in Belief Space for Partially Observable Task and Motion Problems》的论文中，NVIDIA研究团队考虑了机器人如何计划在具有挑战性的环境中完成各种各样的任务，例如抓住一个不可见的物体。

这种方法可能促成更多任务的完成。该论文首席研究员、麻省理工学院研究生Caelan Garrett解释说：“我们的工作十分综合，所处理的任务不仅包括在环境中拾取和放置东西，还包括倾倒东西，做饭，尝试打开门和抽屉。”

Garrett和他的同事创造了一个开源算法SS-Replan，该算法允许机器人在做出决策时合并观察结果，也就是在努力实现自身目标的同时，基于新观察结果对决策做出实时调整。

团队在NVIDIA Isaac Sim（一个用于开发，测试和评估虚拟机器人的仿真环境）和真实机器人上测试了他们的成果。

DexPilot： 遥控机械手臂系统

在另一篇论文中，NVIDIA研究人员面临机器人受算法限制不能完成精确操作的问题，如从抽屉中拉出茶包，从钱包里取出一美元钞票，或自主拧开瓶盖。

在《DexPilot： Depth-Based Teleoperation of Dexterous Robotic Hand-Arm System》一文中，NVIDIA研究人员介绍了一个可以对机器人远程操控的系统。DexPilot以摄像头中人类的手为观察对象，运用神经网络将运动传递给机械手。

不同于其他系统需要配合昂贵的设备如运动捕捉系统、手套和头戴式耳机， DexPilot通过结合深度学习和优化实现远距传动。

据两位论文作者、NVIDIA研究人员Ankur Handa和Karl Van Wyk所说，他们一收集完数据就用了15个小时在单个GPU上训练，过程中使用NVIDIA TITAN GPU作为支持。