Cette semaine, NVIDIA, leader du marché des GPU, organise sa conférence virtuelle GPU Technology Conference (GTC). Au fil des ans, la GTC est passée d’un salon consacré aux graphismes et aux jeux vidéo à un événement sectoriel dédié à tout ce qui touche à l’intelligence artificielle (IA).
La robotique constitue l’un des principaux cas d’usage de l’IA et des technologies NVIDIA. Cela couvre l’intégralité du cycle de développement des robots, notamment l’entraînement, la simulation, la construction, le déploiement et la gestion.
La plateforme Isaac robotics de NVIDIA accélère le développement, le déploiement et la gestion des robots intelligents. Cette solution de bout en bout vise à optimiser l’efficacité des flottes de robots dans différents environnements.
Lors de la GTC, NVIDIA a annoncé plusieurs nouveautés majeures liées à la plateforme Isaac robotics, destinées à faire progresser la simulation robotique, la génération de données synthétiques et bien d’autres domaines. Voici un récapitulatif :
Pour en savoir plus, consultez également : Principaux logiciels d’IA
Isaac Sim sur Omniverse Cloud
NVIDIA a rendu sa plateforme de simulation robotique Isaac Sim disponible sur Omniverse Cloud pour les entreprises.
Omniverse Cloud est l’offre de plateforme en tant que service (PaaS) de NVIDIA destinée aux charges de travail nécessitant d’importantes ressources de calcul, comme la génération de données synthétiques et la validation logicielle. En intégrant Isaac Sim à Omniverse Cloud, NVIDIA propose désormais un accès à ses kits de développement logiciel (SDK) et à ses outils. D’autres produits NVIDIA, comme Drive et Universal Scene Description (USD) Composer, seront également disponibles sur Omniverse Cloud pour les entreprises.
NVIDIA propose déjà plusieurs options pour exécuter Isaac Sim dans le cloud. L’une d’elles consiste à déployer les conteneurs Isaac Sim depuis le référentiel NGC — un catalogue de frameworks d’IA — sur n’importe quel fournisseur de services cloud, ce qui nécessite une certaine configuration et une gestion de la part de l’entreprise. Une autre option consiste à utiliser AWS RoboMaker et à exécuter une version entièrement gérée d’Isaac Sim.
Gerard Andrews, Senior Product Marketing Manager of Robotics chez NVIDIA, a souligné l’intérêt du cloud computing pour la robotique, notamment en matière de montée en charge de l’entraînement des modèles : « Il faudra toujours entraîner les modèles, les mettre à jour, et continuer à disposer d’une méthode pour les revalider. Nous pensons que ce type d’interaction avec le simulateur est préférable dans une infrastructure cloud. »
Sur un sujet connexe : Qu’est-ce que l’IA générative ?
Améliorations d’Isaac ROS
Isaac robot operating system (ROS) est un ensemble de modules accélérés par GPU destinés à fournir des capacités d’IA perceptive à la communauté du développement robotique. La dernière version propose un nouveau module de localisation sur grille qui utilise le LiDAR pour situer les robots sur une carte, une version mise à jour du logiciel de reconstruction 3D Envy Blocks dotée d’un mode de détection des personnes, ainsi que des modules passés en open source. Cette version prend également en charge les modules Jetson Orin NX et Orin Nano.
Le développement de robots est un processus complexe qui fait intervenir des ingénieurs de différentes disciplines. Il est donc important de disposer d’outils collaboratifs donnant à tous les membres de l’équipe accès aux mêmes jeux de données et aux mêmes simulations. Grâce au cloud, les simulations sont accessibles depuis n’importe où, même sans ordinateur équipé d’un GPU.
Élargissement de la gamme Jetson
NVIDIA a étoffé sa gamme Jetson de cartes de calcul avec un nouveau modèle, le kit de développement d’entrée de gamme Jetson Orin Nano, proposé en précommande au prix de 499 dollars US.
Ce kit de développement s’appuie sur le GPU Ampere de 1 024 cœurs et prend en charge un large éventail de modèles d’IA, notamment les transformers. Il offre également des performances et une efficacité énergétique adaptées aux charges de travail cloud-to-edge, un concept qui fait intervenir deux ordinateurs travaillant de concert pour optimiser les performances des robots.
Jetson, le premier ordinateur, joue le rôle de cerveau ou de centre de contrôle du robot. Le second ordinateur se trouve dans le cloud et sert à entraîner, simuler et tester en continu les logiciels qui s’exécutent sur le robot. En combinant la puissance des deux ordinateurs, la technologie cloud-to-edge rend possible une robotique intelligente.
Jetson se compose de six modules, désormais tous disponibles pour la production. Ces modules sont répartis en trois grandes catégories :
- Le Jetson AGX Orin à haute capacité de calcul, en versions 64 Go et 32 Go, pour les charges de travail d’IA edge complexes
- Le Jetson Orin NX en versions 16 Go et 8 Go
- Le Jetson Orin Nano en versions 8 Go et 4 Go, la nouvelle option d’entrée de gamme pour la robotique
Sur un sujet connexe : Le marché de l’IA : vue d’ensemble
Lancement de TAO 5.0
NVIDIA a lancé TAO 5.0, une boîte à outils d’entraînement de l’IA low-code, qui met le développement avancé de modèles et de solutions de vision à la portée de tout data scientist, service cloud ou appareil. TAO 5.0 ouvre la voie à une intégration plus efficace de l’IA entre différents services cloud et automatise le processus fastidieux de sélection et de préparation des jeux de données. Il intègre également des capacités de machine learning (ML) automatique, ce qui facilite l’intégration du ML à n’importe quel service cloud.
Selon Adam Scraba, Director of Product Marketing de NVIDIA, la sortie de TAO 5.0 constitue une avancée majeure pour le fournisseur. Elle démocratise le développement de l’IA et le rend accessible à un public plus large.
Évolutions de la plateforme Metropolis
NVIDIA s’efforce de rendre la vision par ordinateur plus accessible grâce à Metropolis, un flux de développement de bout en bout qui automatise les espaces physiques — bâtiments, usines, entrepôts et villes intelligentes, par exemple — grâce à l’IA et à l’analyse des données.
Des clients de NVIDIA comme Procter and Gamble, PepsiCo, BMW et Siemens ont déjà adopté Metropolis pour rationaliser leurs opérations. Avec cette dernière extension, Metropolis intègre désormais une boîte à outils d’entraînement de l’IA low-code, qui devrait favoriser l’adoption de la vision par ordinateur et de l’IA dans différents secteurs.
Par ailleurs, NVIDIA s’est associé à ST Microelectronics pour déployer à grande échelle des modèles de vision avancés sur des microcontrôleurs. L’objectif est d’améliorer la vision par ordinateur dans différents environnements industriels, notamment les usines, les entrepôts et les chaînes d’approvisionnement.
« Nous continuons à rendre ces dernières capacités de vision plus accessibles. Nous conditionnons des solutions véritablement sophistiquées afin de résoudre efficacement les grands défis de la vision par ordinateur sous la forme de services pilotés par API », a déclaré Scraba.
En proposant des outils puissants, des flux de travail et des solutions de développement de l’IA accessibles, NVIDIA contribue à faire progresser la robotique dans tous les secteurs. Ces avancées devraient non seulement améliorer l’efficacité, mais aussi ouvrir la voie à des interactions homme-robot plus sûres et plus fiables à l’avenir.
Si NVIDIA produit d’excellents composants en silicium, sa force réside dans sa capacité à assembler des solutions « full stack », ce qui facilite considérablement le déploiement. Au lieu de devoir combiner des composants provenant de différentes entreprises, voire de différentes gammes NVIDIA, les développeurs disposent de tout ce dont ils ont besoin. Le travail réalisé dans le domaine de la robotique en est un excellent exemple, car il ne se limite pas à la construction du matériel. Il faut aussi résoudre les problèmes liés à l’entraînement, aux simulations et à l’intégration au cloud. NVIDIA a éliminé une grande partie de la complexité du processus, permettant aux entreprises de se concentrer sur les cas d’usage plutôt que sur l’intégration des technologies.
Sur un sujet connexe : L’avenir de l’intelligence artificielle