利用AI智能体与NVIDIA Isaac ROS加速ROS 2节点性能
GPU加速虽能提升计算密集型机器人工作负载的效率，但仅凭高效的CUDA内核并不足以确保整个ROS 2图的高性能运行。随着消息在节点之间传递，系统架构与通信开销往往成为瓶颈。本文探讨如何结合AI智能体与英伟达Isaac ROS套件，对ROS 2节点及计算图进行端到端的深度优化与性能加速，克服机器人数据流传输中的性能瓶颈。
DC AI 热点
全部 AI 动态
9月22日2026-09-22
物理AI规模化落地为何需要在每一层构建安全机制
物理AI正从实验室研究迅速走向规模化部署。市场调研机构预测，到2035年L3至L5级自动驾驶汽车的装机量将达4900万辆，2026至2035年间工业机器人部署量预计达6000万台。随着这些自主机器深入道路、工厂与仓储等与人类共享的实体环境，整个物理AI系统必须在硬件、算法及运行等每一技术层级构建全方位的安全保障，以应对复杂人机协作场景的风险挑战。
9月17日2026-09-17
如何利用AI智能体构建与验证用于物理仿真的3D场景
文章介绍了如何将AI智能体工作流应用于物理AI系统的数字孪生准备与验证中。通过智能体工作流，AI能够自动巡检并解析3D场景，生成和编辑仿真所需的关键数据，从而大幅提升物理仿真环境的搭建效率，为具身智能与机器人等物理AI系统的训练与测试提供高质量的数字孪生支撑。
英伟达 TensorRT Edge-LLM 在 Jetson AGX Thor 上实现 MLPerf 边缘智能体基准 6.4 倍加速
英伟达公布最新测试结果，TensorRT Edge-LLM 在 Jetson AGX Thor 平台上运行 MLPerf 边缘智能体基准测试时实现了 6.4 倍的速度提升。随着 AI 智能体逐步从云端数据中心迁移至汽车、机器人及其他边缘硬件，该技术针对需要多步骤推理的智能体工作流进行了优化，显著提升了端侧设备本地处理复杂任务的能力与能效表现。
← 上一页2 / 2