庆祝超过200万开发者加入NVIDIA机器人技术生态，共同探索未来创新领域

已经有超过 200 万开发者加入 NVIDIA 机器人技术生态系统。这些开发者正在推动制造业、食品配送、农业、医疗健康、设施维护等众多行业的变革。

本文我们将介绍服务于农业领域的 Carbon Robotics、提供清洁服务的 Lucid Bots、服务于医疗行业的 Diligent Robotics，以及开发通用人形机器人的 Dexmate。

农业：Carbon Robotics

借助 NVIDIA GPU 进行激光除草，

助力高效开辟农田

农业领域的工作强度很高，从业者往往需要在田间奋力劳作，还要承受长时间日晒。如今一种全新的工具正在解决农业领域一直存在的难题之一——除草。

Carbon Robotics 的故事并不是起源于实验室，而是源于爱达荷州的一顿午饭。创始人 Paul Mikesell 问一位农民，农业劳作中最大的挑战是什么？得到的答案不言而喻：除草。

这场聊天也催生出一个大胆的解决方案。Carbon Robotics 推出了 LaserWeeder G2，机身宽 20 英尺，装载了 12 个模块，每个模块都由两个 NVIDIA GPU 驱动，共 24 个 GPU。在强大的计算能力的帮助下，它每分钟能识别并烧掉多达 1 万株杂草，而且全程不用化学药剂。

如今，对除草剂产生抗性的杂草越来越多，这款设备可以称得上改变行业的关键。“毕竟，世界上根本不存在能抗激光的杂草。”Carbon Robotics 首席技术官 Alex Sergeev 说道。

LaserWeeder 还可以兼职充当数据采集机。田间拍摄的图像会上传到定制的标注工具里，帮助团队积累了全球最大的农业标注图像数据集，目前已拥有 6,500 多万张图像。这些数据用来支撑公司的“大型植物模型”（large plant model），这个命名借鉴了为 ChatGPT 这类聊天机器人提供技术支持的大型语言模型（large language models）。

当这些 GPU 完成它们在田间的使命后，就会被送到 Carbon 的“退役处理中心”，这是位于西雅图的一个数据中心。在这里，它们会被用来训练下一代模型。经过 NVIDIA TensorRT 的优化后，最终的基础模型能适配所有农作物，这也将成为公司的核心竞争力。

Carbon 还把目光投向了另一个紧急的工作，那就是全球拖拉机司机的紧缺。在美国，因为劳动力不足，超过 25% 的庄稼作物无人收割。公司推出了 Carbon AutoTractor 这一解决方案，这是一套可加装到现有设备上的自动驾驶改装套件。这一解决方案充分考虑了农民的需求，它能 24 小时不间断地工作，并由远程运营中心监测，比如当有鹿跑到田里时，运营中心就能马上着手控制。

自 2018 年成立以来，Carbon Robotics 已经为 14 个国家的农民提供了 150 多台 LaserWeeder，总共除草量达 300 多亿株。在 NVIDIA 风投部门 NVentures 的帮助下，这家总部位于美国太平洋西北地区的公司正用实践证明：物理 AI 完全能从田间地头出发，帮助人类攻克很多由来已久的难题。

建筑物清洁：LucidBots

用自动化技术提升建筑物清洁的安全性

Lucid Bots 的核心业务就是清洁。

这家公司会在建筑物部署无人机和四足机器人，负责清洁建筑物外墙，包括窗户、混凝土表面及其他外部区域。Lucid Bots 总部位于北卡罗来纳州夏洛特市，公司首席执行官兼创始人 Andrew Ashur 介绍道，当空中的无人机与地面机器人协同作业时，往往会吸引路人驻足观看，场面堪称一场“观赏表演”。

Ashur 表示：“清洁打扫这件日常的事情，被我们变成一场‘视觉盛宴’，路过的人都会停下来欣赏。很多客户还开玩笑说，他们得专门雇个人守着这些机器人，以维持现场秩序。”

这在无形中也变成了效果绝佳的口碑营销。目前 Lucid Bots 的客户包括 Sunbelt Rental（在美国本土拥有 1,200 多个网点）、以及 Window Hero（在美国设有 35 个服务点）。

Lucid Bots 的 Sherpa 无人机和 Lavo 四足机器人，均使用 NVIDIA Jetson 用于实时处理设备自身摄像头采集的图像数据。同时，公司借助 NVIDIA Isaac Sim，对无人机靠近窗户进行清洁，以及地面机器人擦洗混凝土等各类表面进行仿真，以此优化作业流程。

这些设备都属于工业级清洁机械。以 Sherpa 无人机为例，其喷射压力最高可达 4500 psi，力度能够剥落墙体油漆；而 Lavo 机器人则能清除顽固污垢，让混凝土表面恢复如新。

Ashur 表示：“从技术研发、设备制造到后期维护支持，我们所有业务都在夏洛特本地完成。这些机器的设计，完全是为了满足工业清洁的需求。”

Lucid Bots 是 NVIDIA 初创加速计划的成员企业，该计划通过提供专项资源与扶持政策，助力成员企业加速发展。

医疗健康：DiligentRobotics

机器人在医院走廊穿梭，

负责药品、样本及物资配送

在医院的日常工作中，无论是护理站、病理实验室还是药房的医护人员，每天都要无数次离开座位，将注射器、血液样本、药品等从一个科室送到另一个科室。

每次配送耗时 15 到 30 分钟不等，具体取决于医院规模。而据估算，到 2030 年，全球医护人员缺口将至少达到 1,000 万，因此他们的每分每秒都弥足珍贵。

总部位于奥斯汀的 Diligent Robotics，通过人形机器人 Moxi，为医护人员节省了超 50 万小时的工作时间。这款机器人可在医院环境中自主导航，承担药品、物资、血液样本等物品的配送工作。目前已有近 100 台 Moxi 部署在美国多家顶尖医院，包括 Mary Washington Healthcare、Northwestern Medicine 以及 Rochester Regional Health。

Diligent Robotics 联合创始人兼首席执行官 Andrea Thomaz 表示：“我们需要设计一款通用型人形机器人，能与医院现有环境互动，而无需医院额外添加任何基础设施。机器人必须能自主开门、按按钮、上下电梯，还能导航到充电桩，这一切都需要在人来人往的医院里完成。”

医院的护理站、药房、实验室等科室团队，都可以通过一款应用程序呼叫 Moxi 到自己所在的区域。机器人抵达后，工作人员只需用工作证解锁其储物箱，放入物品，即可发送指令让它前往目的地。

Thomaz 说：“对于医护用户而言，有一点至关重要：只要机器人取到药品或样本，系统必须精确记录谁放入以及谁取出，且需要全程确保储物箱处于关闭状态。在我们设计工作流时，这一点也成为了核心考量因素。”

Moxi 运行着一款视觉语言模型，该模型经过 300 TB 数据的训练与微调。Diligent Robotics 团队先构建了大型基础模型，再将其精简至约 9,000 万个参数，使其能够在机器人搭载的 NVIDIA Jetson Xavier 模组上运行。

左上为 Moxi 某一摄像头捕捉到的场景画面；右上为像素级语义场景分割图，包含人物、手推车、墙壁及电梯轿厢等元素；左下为该场景的单目深度估计图；右下为单目深度估计与语义场景分割的融合图。

Thomaz 及其团队借助 NVIDIA Isaac Sim，在仿真环境中测试 Moxi 的部分功能。例如，他们通过虚拟实验教会机器人如何用自带的机械臂完成不同动作，以及如何应对各类不同布局的电梯控制面板。

团队计划在 Moxi 的下一代硬件版本中部署先进的世界基础模型，这一升级将让机器人能够预判周围环境的变化，而不仅仅是对变化做出被动反应，并在医院场景中承担更多新任务。

Thomaz 说：“能够涉足这一领域，我们感到非常兴奋。目前，用机器人协助医护团队处理日常事务，才仅仅处于起步阶段。医疗行业的理想模式是人类和机器人协同合作——机器人承担后勤支持，医护人员就能更加专注于他们真正想做的、以患者为核心的工作。”

更多关于 Diligent Robotics 的信息，请观看 Thomaz 在 NVIDIA 的点播演讲：

https://www.nvidia.com/en-us/on-demand/session/gtcspring22-s42543/

通用人形机器人公司：Dexmate

开发通用自主人形机器人，

为人类提供助力

Dexmate 联合创始人 Tao Chen、Yuzhe Qin 以及 Chongyang Wang，正以数年前难以想象的速度推进通用人形机器人的开发工作。

Dexmate 成立于 2024 年，是 NVIDIA 初创加速计划的成员企业。其推出的 Vega 人形机器人已经公开发售，堪称“多面手”：机械臂可举起重物、机械手指能精准抓握、身体可折叠等。

Tao Chen 介绍，Dexmate 将目标客户锁定在制造业、物流及零售业领域。目前已有多台 Vega 机器人在上市公司开展测试。

Tao Chen 说：“我和另外两位联合创始人都拥有全栈开发经验。我们希望打造完整的机器人产品，而且我们相信，我们能做出比当前市面上更出色的机器人。”

据摩根士丹利预测，到 2050 年，人形机器人市场规模或将突破 5 万亿美元，届时约有 10 亿台人形机器人应用于供应链、维修网络、设备维护及支持服务等领域。

Dexmate 能快速将产品推向市场并非偶然。早在本科学习阶段，Tao Chen 就树立了研发实体机器人的毕生志向。在攻读硕士与博士后期间，随着 NVIDIA GPU 以及 Isaac Sim 等技术的不断升级，他为实体机器人研发更强大智能系统的技术能力得到了显著提升。

Tao Chen 表示：“我们使用 NVIDIA 已经有很长的时间了。攻读博士期间，我们就使用了初代 GPU 仿真平台 Isaac Gym，后来又用到 Isaac Sim 和 Isaac Lab。算下来已经有五六年的时间，现在公司的业务也大量依赖这些工具。”

近日，Dexmate 在 NVIDIA 圣克拉拉总部展示了其 Vega 人形机器人，机器人轻松举起杠铃的场景引发广泛关注。

Tao Chen 介绍说：“每当接到客户的自动化任务需求，我们会先前往对方工厂进行扫描建模，构建数字孪生，然后在 Isaac Sim 中结合合成数据开展仿真测试。我们目前使用的 VLA 模型，正是基于 NVIDIA Isaac GR00T 开发的。”

Dexmate 已为下一阶段发展做好准备。其 Vega 机器人目前搭载 Jetson AGX Orin，同时公司正研发基于多模态基础模型的物理 AI 应用，未来可实现视觉、语言与推理能力的融合。

Tao Chen 表示：“未来几年，AI 模型的性能将迎来大幅提升。我们需要更强大的计算能力，才能让这些模型在边缘设备上实现高效的本地推理。”