సేఫ్టీ విధానం, కేవలం పనితీరు కాదు
హ్యూమనాయిడ్ రోబోట్లు పరిశోధన సెట్టింగ్ల నుండి వాణిజ్యక మరియు పారిశ్రామిక విస్తరణకు మారుతున్నప్పుడు, ఈ ప్రపంచాన్ని ఎలా గ్రహిస్తారు మరియు నావిగేట్ చేస్తారు అనే సాంకేతిక ఫ్రేమ్వర్క్లు వారి భౌతిక సామర్థ్యాలు చేసిన విధంగా ముఖ్యమైనవిగా మారుతున్నాయి. NVIDIA GTC 2026 వద్ద, RealSense LimX Dynamics తో హ్యూమనాయిడ్ రోబోట్ నావిగేషన్ను ప్రదర్శించింది, సేఫ్టీని చిന్తకు భూమిక కాకుండా ప్రాథమిక డిజైన్ నిర్బంధంగా పరిగణించే గ్రహణ ఆర్కిటెక్చర్ను ప్రదర్శిస్తుంది.
RealSense సీఈఓ Nadav Orbach సవాలను నేరుగా రూపుదిద్దారు: హ్యూమనాయిడ్లు త్రిమితీయ స్థలంలో, ప్రజలతో పాటు, నిరంతరం మారుతున్న వాతావరణాలలో పనిచేస్తాయి. రోబోట్లు మానవుల పక్కన సురక్షితంగా పనిచేయవలసి ఉంటే, పర్సెప్షన్ నిర్మల సెన్సార్ల కంటే ఎక్కువ బాధ్యతను కలిగి ఉంటుంది. ఇది రోబోట్ యొక్క విజువల్ కార్టెక్స్ గా పనిచేయాలి, ఖచ్చితమైన లోకలైజేషన్, ఘర్షణ ఎటువంటి తీసివేత, భూభాగ అవగాహన, మరియు నిర్మాణాత్మక పరిసరాలలో స్థిర, ఊహించిన చలనాన్ని ప్రారంభించాలి.
సాంకేతిక ఆధారం: CuVSLAM మరియు డెప్త్ సెన్సింగ్
RealSense ప్రదర్శన డెప్త్ కెమెరాలు మరియు NVIDIA యొక్క CuVSLAM — GPU-ఆక్సిలెరేటెడ్ విజువల్ సిమల్టేనియస్ లోకలైజేషన్ ఆండ్ మ్యాపింగ్ లైబ్ररీ — LimX హ్యూమనాయిడ్ ప్లాట్ఫార్మ్లో రియల్-టైమ్ 3D మ్యాపింగ్ మరియు లోకలైజేషన్ను ప్రారంభించడానికి ఉపయోగించింది. SLAM ఆటోనమస్ నావిగేషన్కు ఒక ఫౌండేషనల్ సామర్థ్యం: ఇది రోబోట్కు GPS లేదా ముందుగా ఇన్స్టాల్ చేసిన బీకన్ల వంటి బాహ్య సరఞ్జామపై ఆధారపడకుండా దాని పరిసరాల యొక్క మ్యాప్ను నిర్మించేటప్పుడు దాని స్వంత స్థానాన్ని ట్రాక్ చేయడానికి అనుమతిస్తుంది.
డెప్త్ కెమెరాలు పరిసరాల యొక్క ఖచ్చితమైన 3D ప్రాతినిధ్యాలను నిర్మించడానికి అవసరమైన రేంజ్ డేటాను అందిస్తాయి, వివిధ దూరాలు మరియు ఎత్తుల వద్ద అడ్డంకులను గుర్తిస్తాయి. మానవుల కోసం రూపొందించిన భూభాగాన్ని నావిగేట్ చేసే బైపెడల్ హ్యూమనాయిడ్ రోబోట్ కోసం — పెట్టెలు, రాంపులు, ఇరుకైన చేనలు, మరియు గందరగోళం చేసిన నేలలతో సహా — ఖచ్చితమైన 3D భూభాగ అవగాహన సురక్షితమైన చలన కోసం అవసరం. 2Dలో మాత్రమే చూసే లేదా పరిమిత డెప్త్ పర్సెప్షన్ కలిగిన రోబోట్ అడ్డంకులను తప్పుగా నిర్ణయించుకోవడం మరియు ప్రజలు మరియు వస్తువులతో పడిపోవడం లేదా ఘర్షణకు ఎక్కువ సంభావ్యత ఉంది.
NVIDIA యొక్క CuVSLAM కంపెనీ యొక్క Jetson ఎడ్జ్ కంప్యూటింగ్ మాడ్యూల్లలో పనిచేస్తుంది, రియల్-టైమ్ విజువల్ ప్రాసెసింగ్ కోసం అవసరమైన కంప్యూటేషనల్ పవర్ను అందించడానికి రోబోటిక్ల ప్లాట్ఫార్మ్లలో పెరుగుతున్నవిగా ఎంబెడెడ్ చేయబడినవి. GPU హార్డ్వేర్పై SLAM ఆక్సిలరేటింగ్ చేయడం ద్వారా, CuVSLAM డైనమిక్ వాతావరణాలకు డెప్త్ డేటాను ప్రాసెస్ చేయగలదు, ఇక్కడ ప్రజలు మరియు అడ్డంకుల స్థానాలు నిరంతరం మారుతూ ఉంటాయి.
హ్యూమన్-రోబోట్ కోలాబరేషన్లో సేఫ్టీ ఆవశ్యకత
RealSense GTC ప్రదర్శనలో సేఫ్టీ పై ఉన్న ఎంఫాసిస్ సామర్థ్యవంతమైన మొబైల్ రోబోట్ల విస్తరణను సామూహిక మానవ స్థలాలలో ఎలా సంపర్కిస్తున్నాయో రోబోటిక్ల ఆండస్ట్రీ యొక్క విస్తృత మార్పును ప్రతిబింబిస్తుంది. ఇండస్ట్రియల్ రోబోట్లు చరిత్రపరంగా హ్యూమన్-రోబోట్ కოలిజన్లను నిరోధించడానికి కేజ్డ్ వాతావరణాలలో పనిచేశాయి. కోలాబోరేటివ్ రోబోట్లు ఫోర్స్-లిమిటెడ్ ఆర్మ్లను పరిచయం చేశాయి, ఈవిధం ప్రజలకు సన్నిహిత సన్నిధానంలో పనిచేయవచ్చు. హ్యూమనాయిడ్ రోబోట్లు తదుపరి దశను సూచిస్తాయి: మానవ వాతావరణాల ద్వారా స్వేచ్ఛగా నావిగేట్ చేయడానికి మరియు సంభావ్యంగా ప్రజలతో నేరుగా సంకర్షణ చేయడానికి ఉద్దేశించిన ప్లాట్ఫార్మ్లు.
ఇది భిన్నమైన సేఫ్టీ రెజిమ్ను సృష్టిస్తుంది. గిడ్డంగి, ఫ్యాక్టరీ ఫ్లోర్, లేదా రిటేల్ వాతావరణం ద్వారా కదులుతున్న హ్యూమనాయిడ్ రోబోట్ అనూహ్యమైన హ్యూమన్ మూవ్మెంట్, వైవిధ్య చిత్ర, డెప్త్ సెన్సార్లను కన్ఫ్యూజ్ చేసే రిఫ్లెక్టివ్ సర్ఫేసెస్, మరియు ఊహించని రీతిలో స్షిఫ్ట్ కావచ్చు ఉంటాయని భూభాగంతో వ్యవహరించాలి. పడిపోవడం ఖాస్గా ప్రమాదకరం — ఏదైనా గణనీయమైన సైజు యొక్క హ్యూమనాయిడ్ రోబోట్ అది పడిపోయే వ్యక్తిని గాయపరుస్తుంది.
RealSense ప్రదర్శనలో LimX ప్లాట్ఫార్మ్ రిడండెంట్ పర్సెప్షన్ ద్వారా ఈ సీనారియోలను ఎదుర్కోవడానికి రూపొందించినట్లు కనిపిస్తుంది — మల్టిపల్ కెమెరా మోడాలిటీస్ ఉపయోగించడం మరియు GPU-ఆక్సిలెరేటెడ్ ప్రాసెసింగ్ ఆధారపడి విశ్వసనీయమైన ఎన్విరాన్మెంటల్ మోడల్ను నిర్వహించడం, సామర్థ్యం తక్కువ సిస్టమ్ను ఓడిపట్టే పరిస్థితుల కింద కూడా.
జీటిసీ సందర్భం: Nvidia యొక్క రోబోటిక్ల పుష్
NVIDIA GTC 2026 రోబోటిక్ల ఘోషణల యొక్క అసాధారణ సాంద్ర క్లస్టర్ను కలిగి ఉంది, Jensen Huang రోబోటిక్లను డేటా సెంటర్ AI పక్కన ఒక ప్రధాన బిజినెస్ పిల్లర్గా చేయాలనే నిర్ధారించిన కమిట్మెంట్ ను ప్రతిబింబిస్తుంది. Nvidia యొక్క Jetson ప్లాట్ఫార్మ్ మరియు Isaac రోబోటిక్ల స్టాక్ కంపెనీని ఆటోనమస్ సిస్టమ్ల కోసం డామినెంట్ కంప్యూట్ ప్రోవైడర్గా పొజిషనింగ్ చేస్తుంది — AI ట్రెనింగ్ మరియు ఇన్ఫరెన్సులో GPU ఇప్పుడు ఆడే పాత్రకు సాదృశ్యమైన రోల్.
RealSense-LimX ప్రదర్శన Nvidia కేవలం రోబోటిక్ల సంస్థలను దాని హార్డ్వేర్ మరియు సాఫ్ట్వేర్ స్టాక్పై సామర్థ్యవంతమైన సిస్టమ్లను నిర్మించటానికి ఎలా ఎనేబల్ చేస్తున్నాయో చూపించే ఒక ఉదాహరణ. CuVSLAMను Nvidia హార్డ్వేర్ కోసం ఆప్టిమైజ్డ్ ప్రీ-బిల్ట్ లైబ్రరీ గా అందించడం ద్వారా, కంపెనీ రోబోటిక్ల సంస్థలపై ప్రవర్తన బర్డెన్ను తగ్గిస్తుంది మరియు కంప్యూటింగ్ లేయర్ను స్టాండర్డైజ్ చేస్తుంది — AI డేటా సెంటర్ మార్కెట్లో బాగా కుదిరిన ఒక స్ట్రాటజీ.
విస్తృత ఇంప్లికేషన్ ఎమిటంటే హ్యూమనాయిడ్ రోబోట్ నావిగేషన్ మెచ్యూరిటీ ఆపర్చూనిటీకి చేరుకుంటోంది, ఇక్కడ కన్స్ట్రేన్డ్ ఇండస్ట్రియల్ ఎన్విరాన్మెంట్లలో కమర్షియల్ డిప్లాయ్మెంట్ ఫిజిబుల్ అవుతోంది, సేఫ్టీ-ఫోకస్డ్ పర్సెప్చువల్ ఆర్కిటెక్చర్లు సరఞ్జామాన్ని ప్రారంభించే ఐనేబిల్డ్ సరఞ్జామాన్ని అందిస్తాయి. ప్రశ్న ఇక రోబోట్లు హ్యూమన్ స్పేసెస్ను నావిగేట్ చేయగలవు కాదా, కానీ వారు నిరంతర హ్యూమన్ సూపర్విజన్ లేకుండా పనిచేయడానికి విశ్వసనీయంగా ఇషు సేఫ్లీ చేయగలవు కాదా.
ఈ కథ ది రోబోట్ రిపోర్ట్ ద్వారా రిపోర్టింగ్ ఆధారంగా ఉంది. అసలు కథ చదువుకోండి.
Originally published on therobotreport.com