Bear Robotics 发布机器人学习平台 KINO-2:用示教数据训练 KR1 搬箱装箱,GR00T 推理从约 500 毫秒降至约 60 毫秒
Bear Robotics 发布机器人学习平台 KINO-2,把任务示教转化为人形机器人 KR1 可部署的操作技能,已在超市退货处理和仓库周转箱搬运中试点;借助 NVIDIA Isaac OS 与 TensorRT,GR00T 模型推理时间在内部测试中缩短约 8 倍。
X 上的商业资讯账号转述了 Bear Robotics 的新发布:Bear Robotics 推出机器人学习平台 KINO-2,让旗下人形机器人 KR1 能够执行真实环境中的操作任务;平台集成 NVIDIA 技术,面向仓储自动化和更智能的作业流程。
根据 Bear Robotics 10 月 21 日在 NVIDIA GTC Berlin 期间发布的公告,KINO-2 的作用是把人工任务示教转化为可在 KR1 上部署的操作技能,让公司的能力从“搬运货物”延伸到“处理货物”。公司的逻辑是,许多客户流程同时需要移动和操作:周转箱要先装好才能运走,机器要先上料才能开机,退货要先分拣才能流转。KINO-2 把学到的操作技能与 Bear 已在工业现场使用的导航、控制和作业流程系统连接起来。
具体流程是:Bear 先采集任务示教数据,用于训练和微调模型,再在 KR1 上评估得到的技能,之后才进入客户试点。平台通过统一的训练、评估和部署工具,同时支持 Bear 自研模型和外部基础模型,其中包括 NVIDIA Isaac GR00T。由于 Bear 同时开发机器人的硬件、软件和 AI,工程师可以按客户需求同时调整学到的行为和周边系统。目前公开的试点场景是超市退货处理和仓库周转箱搬运。
算力优化是这次发布的重点。KINO-2 的感知运行时以 NVIDIA Isaac OS 为核心,后者基于 Holoscan SDK 5.0,在 Jetson AGX Thor 上串联感知处理与模型推理,并通过 Isaac ROS Bridge 接入 Bear 现有的导航与 SLAM、车队管理和作业协调系统。结合 TensorRT 与模型量化,Bear 在内部测试中把 GR00T 的推理时间从最初未优化部署时的约 500 毫秒降至约 60 毫秒,提速约 8 倍;自研模型的推理时间从 72.3 毫秒降至 17.2 毫秒,提速 4.2 倍。
在 NVIDIA 展台上,Bear 演示了 KINO-2 驱动的 KR1:根据仓库管理系统下达的订单,KR1 拣取瓶子装入周转箱,把箱子送到指定投放点,再带着空箱返回,把学到的操作技能与导航、控制和流程系统串成一个完整任务。Bear 首席机器人官 Bren Pierce 表示,一线人员本来就了解产品、设备和作业顺序,示教能把这些知识教给机器人,目标是减少每个新任务所需的定制工程。
Bear Robotics 由 LG 电子控股,此前以服务机器人为主,公司称已在 5000 多个客户地点部署了 16000 多台机器人。公告未披露试点客户名称、KR1 价格或交付规模。
Bear Robotics launches KINO-2 robot-learning platform for its KR1 humanoid
Bear Robotics launches KINO-2, a robot-learning platform enabling its KR1 humanoid robot to perform real-world manipulation tasks. Integrated with NVIDIA technologies, the platform supports warehouse automation,and smarter workflows. https://t.co/FdVtK7ZiVj #WBO #Robotics #NVIDIA https://t.co/FP4TpLse9N