1. 首頁 > 生活百科 > >

黃仁勛女兒直播亮相，聊了具身智能

人工智能英偉達自動駕駛黃仁勛機器人

黃仁勛女兒直播亮相，聊了具身智能

文章圖片

黃仁勛女兒直播亮相，聊了具身智能

文章圖片

黃仁勛女兒直播亮相，聊了具身智能

文章圖片

黃仁勛女兒直播亮相，聊了具身智能

文章圖片

黃仁勛女兒直播亮相，聊了具身智能

時令 發自 凹非寺
量子位 | 公眾號 QbitAI
黃仁勛大家都見得多了 ， 但你見過他女兒講具身智能嗎？
這不 ， 黃仁勛女兒Madison Huang首次公開亮相直播訪談節目 ， 作為英偉達Omniverse與物理AI高級總監 ， 與光輪智能CEO謝晨 ， 以及光輪智能增長負責人穆斯塔法一起 ， 對“如何縮小機器人在虛擬與現實之間的差距”展開深刻探討 。

光輪智能是一家專注于仿真合成數據技術的公司 。 和專注于大模型的企業不同 ， 他們的核心目標是幫助AI更好地理解和進入物理世界 。 目前主要聚焦于具身智能和自動駕駛兩大場景 。
在一個半小時的訪談時間內 ， 三人提出了一系列重要觀點：
合成數據對于解決機器人數據困境至關重要。 光輪智能的SimReady資產不僅要視覺準確 ， 更重要的是物理準確 。 英偉達和光輪智能正在共同開發Isaac Lab Arena——一個用于基準測試、評估、數據收集和大規模強化學習的下一代開源框架和平臺 。 ……下面具體來看 。
利用合成數據和仿真來解決機器人數據障礙訪談一正式開始 ， 主持人Edmar Mendizabal（Omniverse社區經理）就開門見山拋出了一個許多人都很好奇的問題 。
英偉達與光輪智能的合作關系是如何開始的？
Madison解答道 ， 英偉達內部很多項目都依賴于光輪智能的支持 。 例如 ， Gear Lab正在構建通用智能體模型 ， 西雅圖機器人實驗室正在開展大量涉及接觸操作和精密裝配的任務 。
對語言模型的研究人員來說 ， 他們可以利用整個互聯網的數據去訓練LLM 。 但對機器人領域來說 ， 情況卻完全不同 ， 他們必須去手動采集數據 ， 這也是為什么會有那么多數據采集工廠的出現 。
在這種缺乏數據的情況下 ， 英偉達認為 ， 仿真就是解決方案 ， 因此需要一個合成數據工廠 ， 同時也希望合作伙伴認同OpenUSD的愿景 ， 將其作為構建仿真就緒資產（SimReady Assets）的基礎 。
2023年 ， 光輪智能成立了 ， 目標就是利用合成數據和仿真來突破機器人數據瓶頸 。

但那時機器人領域還處于非常早期的階段 ， 所以他們先從自動駕駛的合成數據問題入手 ， 隨后 ， 合作幾乎擴展到英偉達的各個團隊 。
有意思的是 ， 謝晨以前就是英偉達自動駕駛仿真負責人 ， 兜兜轉轉 ， 現在又在為英偉達工作了 。
接下來 ， 主持人又問道：“那現在機器人從虛擬到現實（Sim2Real）還存在哪些問題 。 ”
謝晨回答說：
對于自動駕駛來說 ， Sim2Real是最容易解決的 ， 因為它主要依賴視覺感知 。 而對于機器人來說 ， 一切都涉及物理接觸 ， 最重要的是操作能力（manipulation） 。 同時 ， 它還需要靈巧手和觸覺傳感器配合使用 ， 因此問題變得更加復雜 。
核心問題就在于物理準確性 。
以冰箱為例 ， 當你拉開門時 ， 會感覺到磁吸密封條產生的力的作用 ， 還有拉抽屜時會感覺到多重摩擦 ， 這些物理特性都非常精確 。

而要實現這種物理準確性 ， 數據非常重要 ， 高質量的數據是進入機器人訓練系統、生成正確算法的關鍵 。
因此 ， 謝晨還特別提到了數字金字塔的理念 。
他認為 ， 要讓具身智能真正部署到現實世界需要消耗巨量的數據 ， 實際上比大型語言模型所需的數據還要多 。 這就形成了一個巨大的數據障礙 ， 而現實世界數據無法完全解決這個問題 。

以自動駕駛為例 ， 現實中有大量駕駛員和汽車在道路上運行 ， 但在工廠、家庭等環境中 ， 機器人數量卻非常有限 。
因此 ， 合成數據將成為解決具身智能數據瓶頸的最重要、最主要的數據來源 。
他們借助了大量物理設備來收集精確的數據 ， 并將其實現到仿真環境中 。 同時 ， 他們還設計了一些方式去對比真實世界中的力和仿真中的力 ， 以確保二者匹配 。
除了數據外 ， 另一個令謝晨認為重要的點就是高效 。
他提到 ， 強化學習非常重要 ， 但要運行大規模強化學習 ， 就必須確保不同類型的仿真在計算上非常高效 。
為了讓大量仿真環境同時運行 ， 他們用簡單又高效的方法（如基本幾何體和凸包）來檢測碰撞 ， 這樣既能保持足夠準確 ， 又能節省大量計算資源 。
之后 ， 謝晨還講到了電纜仿真 。 電纜既像柔性物體 ， 但又在某些情況下又表現得像剛體 ， 所以它的仿真其實非常困難 。
為了讓機器人學習如何操作電纜 ， 光輪智能與Newton及英偉達合作 ， 為電纜構建求解器 ， 并研發仿真就緒資產來構建這種仿真 。

眾所周知 ， 人與動物的區別是人會使用工具 ， 所以如何教機器人正確利用工具完成特定操作變得越來越關鍵 。
例如 ， 讓機器人在仿真中切割黃瓜是非常困難的 ， 這不僅僅是為了數據采集 ， 更重要的是要支持強化學習 。

為此 ， 光輪智能已與英偉達Isaac Sim實驗室展開合作 ， 共同致力于攻克仿真到現實的遷移挑戰 。
最后 ， 謝晨提到 ， 光輪智能還在與英偉達共同構建Isaac Lab Arena——一個面向下一代基準測試、評估數據收集和大規模強化學習的框架平臺 ， 該項目已在CoRL大會上由英偉達正式發布 。
黃仁勛子女訪談結束 ， 咱們再來扒一扒很少露面的黃仁勛的兩個子女 。
首先是女兒Madison ， 中文名黃敏珊 ， 現年34歲 。
2020年加入英偉達最初擔任市場營銷實習生 ， 實習四個月后成為了Omniverse部門的活動營銷經理 ， 之后一直在該部門任職 。
Madison在英偉達一路擔任了產品營銷經理、高級產品營銷經理等職務 ， 直到今年3月成為高級總監 。

令人驚訝的是 ， Madison最初干的竟然是烹飪 。
2012年 ， 她在美國烹飪學院取得了烹飪藝術工商管理學士學位 ， 之后到藍帶廚藝學院學習制作甜點以及葡萄酒 ， 并曾在紐約和舊金山擔任廚師 。
2015年 ， Madison重新回到巴黎 ， 加入奢侈品行業 ， 在LVMH公司擔任市場營銷與開發經理 。 在LV工作期間 ， Madison還學習了倫敦政治經濟學院有關數據科學的短期課程 。
在2019年 ， Madison和哥哥Spencer一起修讀了MIT的短期AI高管課程 。
之后 ， 她于2021年取得了倫敦商學院的MBA學位 ， 彼時她已經是英偉達的正式員工 。
說完老黃的女兒 ， 怎么能不接著提提他兒子呢？
同樣“承襲父業”的 ， 還有Madison的哥哥Spencer ， 中文名黃勝斌 ， 今年35歲 。

他在英偉達的職位是機器人產品線經理 ， 負責開發用于機器人的AI模型與仿真軟件 。
Spencer在2022年加入英偉達 ， 起初的職位是Isaac Sim Cloud團隊產品經理 。
前面介紹Madison時說過 ， 兄妹二人曾一同參加MIT的短期AI高管課程 ， 不過Spencer還額外多讀了關于人機交互的課程 。
之后 ， Spencer先是到哈佛商學院讀了短期課程 ， 之后也讀了MBA ， 不過是在紐約大學 ， 2022年取得學位 。
有意思的是 ， 更早之前 ， Spencer的身份是一名酒吧主理人 。
2012年 ， Spencer在美國最大的私立藝術與媒體學院——芝加哥哥倫比亞學院本科畢業 ， 主修國際市場和文化研究兩個方向 。
畢業后 ， 老黃讓他專門“回老家”學了一年中文 ， 就是在這段時間 ， Spencer創立了他的雞尾酒酒吧——RD Cocktail Lab ， 而且一干就是八年 。
據悉 ， 這家酒吧屢獲國際大獎 ， 并曾入選亞洲50佳酒吧 ， 不過目前谷歌地圖顯示該酒吧已經永久停業 。

好好好 ， 富二代要專心繼承家業了是吧 。
參考鏈接：https://www.youtube.com/watch?v=UgT-P6ynxLc
— 完 —
量子位 QbitAI · 頭條號簽約
【黃仁勛女兒直播亮相，聊了具身智能】關注我們 ， 第一時間獲知前沿科技動態

    推薦閱讀