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 Isaac Gym 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 Allegro Hand，其成本只有其他一些机器人的 1/10，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 Isaac Gym 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。NVIDIA PhysX 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 Omniverse OVX 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 10-200 倍。使用 Isaac Gym 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 Omniverse Replicator 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。 DeXtreme NVIDIA Omniverse Replicator 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 10-15 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/
日本最离谱首席夫人，酗酒蹦迪绯闻不断，被称作安倍头号政敌2022年7月8日，日本前首相安倍晋三在奈良发表演讲时中枪，经抢救无效，已经去世。随着安倍晋三的去世，安倍晋三背后的女人安倍昭惠再次走入大众的视野。这位丑闻不断，被称为最离谱第一夫唐山80后知名男星被举报，诱骗年轻女子同居，本尊回应引众怒唐山80后知名男星被举报，诱骗年轻女子同居，本尊回应引众怒近日，某女子在社交平台上实名举报40岁唐山籍知名歌手姜玉阳，称他以结婚为目的，骗自己同居，还在怀孕期间对该女子进行殴打辱骂日系系列令和最美Body！日本顶级性感辣模雪平莉左雪平莉左最近人气一路飙升，从一名上班族OL变身成一位日本时尚界的超级Model，虽然已经27岁，但凭着九头身身材，配合35F胸围22。5寸的腰围，被日本媒体誉为令和最高美（令和最美日本瓜王当选国会议员！曾爆小栗旬不雅照，承诺爆47明星丑闻日本前首相安倍遇刺引发的政坛动荡还没结束，大家还在讨论右翼势力会不会占到上风的时候，日本国会的参议院选举又搞出了惊天大事件。日本人民，这几天把一个爆料娱乐圈丑闻的终极瓜王，选进了国梁咏琪真不像快50岁的人，穿拼接裙窈窕挺拔，身材挺高级的今天穿什么变美百科全书就要这么穿对于中年女生的裙装选择，通常都是以保守和端庄的形式进行搭配，想要中年女生在穿搭裙装方面更加的靓丽，我们对于镂空更要注重搭配的部分。因为镂空不仅仅起到对安倍晋三之死，中国网民不可以高兴吗？7月7日是卢沟桥事变日本侵华85周年，刚刚过去一天，也就是7月8日，日本一个反华右翼分子的领军人物安倍晋三被枪杀而伤重不治。有日本媒体指责中国网民发表对安倍不好的言论，也有中国网民华晨宇曾被曝扮猪吃老虎想睡许晴，如今两人的下场让人唏嘘前段时间公布了内地十大流行音乐奖，结果令很多人大跌眼镜，因为入选的歌曲几乎清一色全都是没有油盐的速成网络热门歌曲，这些歌曲虽然在某些社交APP门户网站播放量很高，但是歌曲本身缺乏创著名演员吕丽萍发文悼念安倍，并拿中国作家的话冒充是安倍说的著名演员吕丽萍发文悼念安倍，还发了好多哭的表情，看得出来她对于安倍的离世还是很难过的。吕丽萍微博发的我一开始还是很奇怪的，因为目前还没有明星会明目张胆的发文悼念安倍，直到我看到了吕大明抗倭记（三）出卖，上位欢迎回来！出卖，上位嘉靖三十四年（公元1554年）五月，浙江平湖，一片春雨霏霏，四月桃花依然绽放着诱人的色彩，烟雨江南笼罩着这座美丽的嘉兴小城。城中的守门士兵也懒洋洋的坐在城门边，老师听说学生打仗勇猛，就想去看他打仗，只打一仗，就要走李自成军攻破北京时，崇祯皇帝朱由检在煤山自缢身亡前，曾说，他不是亡国之君，大臣们则是亡国之臣。作为一个皇帝，把明朝灭亡的原因归因于大臣们，好像和他这个皇帝没关系似的。唉，要说崇祯皇巴基斯坦老板拒绝减免1块钱修理费，被关五年监狱，还即将被处死阿什法克马西赫是生活在巴基斯坦拉合尔的一名摩托车修理师傅。2017年，马西赫在自家的摩托车修理店，被一名穆斯林顾客碰瓷了就在马西赫帮他修好摩托车，要求他支付40卢比（人民币1。3元