透过大量分身学习NVIDIA用机器人模拟器加速训练效率

分别以著名物理学者牛顿，以及知名科幻小说作者艾西莫夫的名字作为命名，NVIDIA针对以Jetson开发板做为设计的机器人打造训练模拟器“ISAAC”，让开发者能以显卡效能模拟基于Jetson开发板运算效能的虚拟机器人，并且能透过虚拟多组机器人方式同时进行训练，借此加速整体训练效率，并且缩短整体学习所需时间。

这样的做法，主要借由软件模拟训练学习模式，让开发者无须透过实际硬件投入训练，同时更容易缩减整体训练所需时间，使机器人运作行为学习更具效率，之后即可直接将学习成果套用在实际采用Jetson开发板机器人，并且正确执行预期学习动作。

类似概念则与先前Google人工智能系统AlphaGo与韩国棋王李世乭对弈过程中，透过虚拟化多个运算模式交互学习，借此找出最佳棋路走法，或是像漫画《火影忍者》主角鸣人透过多重影分身术进行学习，即可在短时间内学会高难度忍术的情况。

而限制模拟为Jetson开发板运算效能的原因，最主要在于机器人端的运算效能不能超出现有Jetson开发板执行能力，否则将使机器人运作产生异常。同时，借由软件模拟投入训练方式，其实也能避免实际以硬件训练时造成意外等风险，例如机器尚未完成训练前可能因为不知道如何正确行走而跌倒，或是不小心伤及路人等。

此次说明是以训练机器人将红色曲棍球正确打进球门为例，传统训练方式通常是先建造实际机器人，并且持续让机器人尝试学习正确将红色棍滚球打进球门的指令，但中间过程可能需要竟由长时间的重复学习才能达成具体训练结果，但若以软件形式进行模拟训练的话，即可在短时间以大量模拟训练方式学会。

就NVIDIA表示，以“ISAAC”透过虚拟化的模拟训练方式确实也能应用在自动驾驶车辆训练，但目前面临最大困难其实还是在于如何模拟真实场景的每一个细节，毕竟以现有硬件资源要能完整模拟真实世界仍有一定难度，同时也不符合效益，反而透过实际封闭道路环境先行训练基础驾驶能力，接着再实际上路测试的做法会更实际。因此就“ISAAC”的实际应用，对于需要快速训练机器人特定行为，或是针对自动操作模式优化会有更合适效果，甚至能确保训练过程的安全与陈本支出。