NVIDIAが「Isaac ROS」を発表、ROSロボットへのAI認識機能の実装を容易に：ロボット開発ニュース

NVIDIAは、オープンソースソフトウェアのロボット開発プラットフォーム「ROS」の開発者向けに、同社のロボット開発プラットフォーム「NVIDIA Isaac」と連携することでAI（人工知能）による認識機能を容易に実装できるようにする「NVIDIA Isaac ROS」を発表した。

[朴尚洙，MONOist]

　NVIDIAは2021年10月22日、オープンソースソフトウェアのロボット開発プラットフォーム「ROS」の開発者向けに、同社のロボット開発プラットフォーム「NVIDIA Isaac」と連携することでAI（人工知能）による認識機能を容易に実装できるようにする「NVIDIA Isaac ROS」を発表した。

　Isaac ROSは、ROSで制御するロボットに組み込むAI認識機能に当たる「Isaac GEM」とROS2ノードのインタフェースだ。発表文で示されているブロックダイヤグラムでは、Isaac ROSとIsaac GEMが並べられており「Isaac ROS GEMs」という表現も用いられていることから、一体で利用するものと考えてよさそうだ。

NVIDIAの「Isaac ROS」と「Isaac GEM」のブロックダイヤグラム［クリックで拡大］ 出所：NVIDIA

　Isaac GEMには、画像処理（Image Processing）やコンピュータビジョン（CV）、NVIDIAのGPUや組み込みコンピュータボード「Jetson」向けに最適化された深層学習（DNN）ベースのアルゴリズムが含まれている。主なものとしては「Stereo Visual Odometry」と「DNN Inference」がある。

　Stereo Visual Odometryは、ロボットが自律的に環境内を動き回るときに必要な自己位置認識（Visual Odometry）を行うためのものだ。ステレオカメラを用いたリアルタイムの自己位置認識ソリューションであり高い精度を実現できる。例えば、組み込みボードの「Jetson AGX Xavier」を用いた場合、HD解像度（1280×720画素）のSLAM（Simultaneous Localization and Mapping）を60fps以上の処理速度で実行できるようになるという。

　一方、DNN Inferenceでは、NVIDIAがクラウドで提供しているコンテナアプリケーションサービス「NGC」で提供されているさまざまな推論モデルを利用できるだけでなく、自身で開発したDNNベースの推論モデルも利用できるようになる。なお、推論モデルの調整やカスタマイズは「NVIDIA TAO Toolkit」で行う。また、DNN Inferenceは、画像セグメンテーション用のネットワークである「U-Net」や「DOPE（Deep Object Pose Estimation）」にもネイティブで対応している。

　なお、Isaac ROSはGitHubで公開されている。

　またNVIDIAは、Isaacのシミュレーション環境である「NVIDIA Isaac Sim」の一般提供を2021年11月に開始することも発表した。

　新バージョンとなる「2021.2」では、処理性能の向上やメモリ使用量の削減、立ち上げ時間の短縮などが図られている。確率値を使用した占有マップの作成や、ROSで用いられているURDF（Unified Robot Description Format）のインポーターなどの改良も図った。新しいロボット環境として、大型の倉庫、オフィス、病院を追加した。また、さまざまな環境でのロボットの動作を試せるように、ロボットの周辺環境を合成するためのデータ生成ワークフローも用意している。

⇒その他の「ロボット開発ニュース」の記事はこちら