今年的Automate大会上，首条引人瞩目的新闻来自Alphabet X拆分出的Intrinsic公司。在周一的芝加哥活动中，该公司宣布将他们的Flowstate机器人应用程序平台与英伟达的一些产品相结合。

其中涉及的产品包括Isaac Manipulator，这是一系列基础模型，专注于构建用于机器人手臂的工作流程。这些模型在今年3月的GTC大会上首次亮相，并已吸引了一些工业自动化领域的领军企业参与，如Yaskawa、Solomon、PickNik Robotics、Ready Robotics、Franka Robotics和Universal Robots等。

此次合作特别注重于抓取技术——即抓取和拿起物体的能力，这是制造业和履行自动化中的关键步骤之一。这些系统通过在大规模数据集上进行训练，旨在实现跨硬件（即硬件无关性）和不同对象的任务执行。

简单来说，这意味着抓取技术可以转移到不同的环境中，而无需为每个新场景重新训练每个系统。就像人类一样，一旦我们学会了如何拿起东西，这种能力就可以适应不同环境中的不同物体。然而，目前大多数机器人还无法做到这一点，但Intrinsic正在朝这个方向努力。

Intrinsic的创始人兼首席执行官Wendy Tan White在文章中表示：“未来，开发人员将能够利用这些现成的通用抓取技能来大大加快他们的编程过程。对于整个行业而言，这一进展意味着基础模型可能产生深远的影响，使机器人编程挑战更容易在规模上管理，创建之前无法实现的应用程序，降低开发成本，并增加最终用户的灵活性。”

Flowstate的早期测试在英伟达的机器人模拟平台Isaac Sim上进行。Intrinsic的客户之一，Trumpf Machine Tools，一直在与该系统的一个原型紧密合作。

“这种通用抓取技能在Isaac Sim中通过100%的合成数据进行训练，可用于构建复杂的解决方案，这些解决方案可以在模拟和现实中执行自适应和多样化的物体抓取任务。”Tan White在谈到Trumpf与该平台的合作时表示。“与将特定夹具硬编码为以特定方式抓取特定物体不同，该基础模型会自动生成特定夹具和物体的有效代码以完成任务。”

此外，Intrinsic还与同为Alphabet旗下的DeepMind合作，以突破姿态估计和路径规划这两个自动化的关键领域。特别是，这些系统在超过130,000个物体上进行了训练，能够在“几秒钟”内确定物体的方向，这是捡起物体的重要前提。

Intrinsic与DeepMind合作的另一个亮点是能够协同操作多个机器人。Tan White表示：“我们的团队已经测试了这种完全由机器学习生成的解决方案，以无缝协调四个单独的机器人在缩小规模的汽车焊接应用模拟中工作。每个机器人的运动计划和轨迹都是自动生成的，无碰撞且效率惊人——比我们测试过的一些传统方法好大约25%。”

该团队还在研发使用双臂的机器人系统——这种设置更贴近于人形机器人日益崛起的世界。未来几年，无论是否是人形机器人，我们都将看到更多这种双臂系统的出现。从一只手臂到两只手臂的转变，将为这些系统开辟全新的应用领域。