WORLDTECHHumanoid erweitert Zusammenarbeit mit Nvidia für die nächste Generation seiner humanoiden Roboter
Was passiert ist
Gleichzeitig reduziert der vereinheitlichte Speicher von Jetson Thor für CPU (den Universalprozessor im Zentrum eines Computers) und GPU (einen Chip für viele Berechnungen gleichzeitig, der für Grafik und KI genutzt wird) unnötige Datenbewegungen und Latenz (die Verzögerung zwischen einer Anfrage und der Antwort darauf) und vereinfacht, wie verschiedene Arbeitslasten sich Rechenressourcen teilen. 30. Oktober 2026 von Sam Francis Humanoid, ein in Großbritannien ansässiges Unternehmen für KI und Robotik, erweitert seine Zusammenarbeit mit Nvidia, um die Rechenbasis für eine neue Generation KI-gestützter humanoider Roboter zu schaffen. NVIDIA ist ein Halbleiterunternehmen mit Sitz in Santa Clara, dessen Produkte und Dienstleistungen unter anderem Grafikprozessoren umfassen.
Die Unternehmen arbeiten gemeinsam an einer leistungsstarken Robotik-Edge-Laufzeitumgebung für die Roboter der nächsten Generation von Humanoid. Diese Fähigkeiten werden entscheidend sein, wenn humanoide Roboter aus kontrollierten Umgebungen in den großflächigen Einsatz in der realen Welt übergehen. Im Rahmen dieser Arbeit integriert Humanoid die neuesten Robotik- und Edge-Computing-Technologien von Nvidia, darunter Nvidia Jetson Thor, Nvidia Isaac OS, Nvidia Holoscan Sensor Bridge und das Holoscan SDK (das Toolkit, mit dem Entwickler auf einer Plattform aufbauen). Nvidia-Technologien spielen bereits eine wichtige Rolle im gesamten Entwicklungsstapel von Humanoid. Seit den Anfängen nutzt Humanoid die Open-Source-Frameworks Nvidia Isaac Lab und Nvidia Isaac Sim, um Modelle zu trainieren und zu simulieren, bevor sie auf physischen Robotern eingesetzt werden, und schafft so einen durchgängigen Workflow vom Training und der Simulation bis zum Betrieb in der realen Welt. Ein zentraler Bestandteil der neuen Architektur ist die bordeigene Rechenleistung von Nvidia Jetson Thor. Humanoid integriert außerdem Nvidia Holoscan Sensor Bridge, um einen schnelleren Pfad zwischen den Sensoren des Roboters und seinen KI-Modellen zu schaffen.