农业机器人和边缘 AI
Aigen 利用太阳能驱动的机器人和 NVIDIA Cosmos 推动可持续农业
Aigen
目标
Aigen 开发了自主式太阳能供能的机器人，能够以机械方式清除杂草，帮助农民保护作物，同时减少对除草剂和柴油动力田间作业的依赖。由于农田变化迅速，收集和标注足够的真实世界数据来训练可靠的 AI 既缓慢又昂贵。
为了克服这一瓶颈，Aigen 构建了 Alchemy，这是一个户外世界模型，可生成逼真的作物、杂草、土壤、光照和深度的合成变体。Alchemy 包含一个经过后训练、专为户外非道路自主作业定制的 NVIDIA Cosmos 模型。Aigen 的合成数据可实现自主野外除草，同时节省宝贵时间和资源。Aigen 的最新机器人使用三个 NVIDIA Jetson ORIN NX 模块，用于高效的感知、导航和规格尺寸控制。
要点
使用 Cosmos 的 99% 合成数据
- Aigen 构建了 Alchemy，这是一个使用 99% 合成数据训练的定制户外世界模型，通过 NVIDIA Cosmos 3 进行后训练，以生成更逼真、多样化的农业环境。
借助 NVIDIA Jetson 将计算利用率降至 30%
- 将板载计算迁移到 NVIDIA Jetson ORIN NX 将计算利用率从大约 100% 降低至约 30%，提高了稳定性，并在不增加硬件或超过机器人太阳能预算的情况下释放容量用于额外 AI 工作负载。
高效的硬件、更智能的模型
- NVIDIA Jetson — 扩展了机器人能力，同时将板载硬件从五个计算设备减少到三个 NVIDIA Jetson ORIN NX 模块，实现了四臂设计和更复杂的机器人动作。
- NVIDIA Cosmos — 通过合成场景生成取代数月的人工田间数据采集和标注，从而减少扩展训练覆盖范围的时间和成本。
扩展无化学除草
在变化难以预测的环境中推进无化学除草
在物理 AI 领域，农业机器人面临部分最复杂且不受控制的视觉环境。在一个生长季节中，大豆田会经历从播种初期到冠层完全形成的彻底转变，而光照、土壤条件和杂草压力变化等因素不断改变自主系统的场景。
农业 AI 的传统方法依赖于多年的人工数据采集和标注，但这种方法难以扩展规模。每块农田的情况都不相同，且视觉数据通常仅限于短暂的季节性数据采集窗口，因此采集和标注农田环境的各种变化成本高昂且耗时。
杂草的影响是立竿见影的：入侵杂草会降低作物产量，在大面积农田中管理这些杂草会带来沉重的财务负担。抗除草剂品种的出现对于许多农民来说是一项不断增长的挑战，但依靠人工进行清除既不可扩展，也缺乏成本效益。此外，化学药剂漂移会给人员和邻近植被带来风险，而径流会威胁当地水生生态系统。Aigen 通过部署用于机械除草的完全自主的太阳能驱动机器人，帮助种植者保护产量，同时最大限度地减少对传统除草剂和高度依赖柴油的田间作业的依赖。
核心挑战是快速变化的农业环境与手动数据采集和标注速度缓慢之间的差距。为了覆盖不同的作物类型、生长阶段、杂草密度、光照条件和病害场景，Aigen 团队利用合成数据生成来扩大训练覆盖率。这使团队能够训练感知模型，以泛化到后训练数据集中未涵盖的作物类型、杂草物种和田间条件。
利用 NVIDIA Cosmos 开发农业 AI
利用 NVIDIA Cosmos 扩展农业训练数据
全球范围内记录了 275 种抗除草剂杂草品种，仅靠季节性野外数据采集无法提供农业 AI 所需的视觉多样性。Aigen 使用 Alchemy 和 NVIDIA Cosmos 3 生成并标注合成农业场景。在早期工作中，Aigen 使用大约 3,000 个由机器人机群采集的 RGB 和深度片段对 Cosmos Transfer 2.5 进行后训练，使用大约 8.3 小时的大豆、棉花和番茄田间影像，涵盖不同的杂草密度、生长阶段和光照条件。
经过后训练的模型提升了模型在未见环境中的表现，包括：
- 更符合物种特征的叶片形状和颜色、更丰富的杂草多样性、更细致的土壤纹理、更一致的户外光照和阴影，以及与深度图的对齐效果更好。
- 包含作物类型、相机角度和田间条件的场景描述，生成用于感知模型训练的带标签示例。
在这项工作的基础上，Aigen 使用动作条件化驾驶数据对策略模型进行后训练，使该公司能够在几个月内生成 100 万小时的动作视频数据，为未来的策略模型提供可规模化的配对训练数据。
利用 Alchemy 的合成训练数据，Aigen 通过基于 1% 现实世界数据和 99% 合成数据进行训练的感知模型，实现了自主野外除草。该方法减少了与现场数据收集和手动注释相关的时间和成本。随着工作从感知扩展到行动，下一个挑战是在每个机器人的太阳能预算范围内运行越来越强大的模型。
“Alchemy 和 Cosmos 一起，让我们能够快速快速构建生产级杂草控制和田间分析模型，现在可以在初次采集某种作物数据的同一生长季内完成部署。通常需要三到四年的时间收集数据、标记并训练模型。标签在数据生成过程中与数据一并产生，而非来自手动注释器，因此我们不再受季节性约束，模型迭代周期从数个季节缩短至数小时，并且高效模型现在可以直接部署到我们太阳能驱动的 Element 机器人上的 NVIDIA Jetson ORIN NX。”
Richard Wurden
Aigen 联合创始人兼 CTO
“Cosmos 3 的预训练先验知识和可扩展体系架构为构建定制世界模型提供了良好基础。这有助于加速 Alchemy 的开发，从而解锁户外非结构化环境中的自主作业能力。”
Usman Khan
Aigen 高级数据科学家
利用 NVIDIA Jetson 扩展机器人能力
使用三个 NVIDIA Jetson 模块打造四臂机器人
使用三个 NVIDIA Jetson ORIN NX 模块替换五个系统级芯片 (SoC) 设备，为 Aigen 提供了更强大的板载 AI 容量，同时降低了功耗需求。额外的计算余量支持四臂设计，可同时仍可在机器人本机运行实时感知、无需 GPS 的视觉导航和机械控制提升除草吞吐量。
在开发测试过程中，Aigen 报告称，基于 Jetson 的体系架构的计算利用率约 30%，而之前系统则为 100%。剩余容量提高了系统稳定性，并为 Aigen 留出余量，使其能够在无需增加计算硬件或超过机器人太阳能预算的情况下添加除杂草控制之外的其他功能。
推动无化学农业从田间试验走向机群规模化部署
Aigen 计划利用可用计算余量，在不重新设计硬件或超过其太阳能预算的情况下，增加除草之外的其他能力。灵活性是 Aigen 开发模型的核心，随着机群规模的扩展，可以在相同的边缘计算基础上构建新的软件能力。随着 Aigen 扩展对更多作物和田间条件的支持，Aigen 正在采用 NVIDIA Cosmos 3 作为 Alchemy 的主要基础模型，以扩展其合成数据能力。这种农业 AI 与太阳能驱动的机器人相结合，为 Aigen 提供了一条可扩展的除草路径，从而减少了对除草剂和柴油驱动的田间作业的依赖。Aigen 的农业 AI 和太阳能机器人正在帮助规模化推进无化学除草，并构建更可持续的农业未来。
“Aigen 是唯一一家进行全自主太阳能机械除草公司，用于计算的每一瓦功耗都至关重要。改用 NVIDIA 后，SoC 从 5 个减至 3 个，并为每个机器人赋予了更多能力。正因为如此，我们的四臂机器人能够仅依靠太阳能运行完整的边缘 AI 工作负载，无需 GPS 即可导航，并保留除草之外的计算余量。”
Richard Wurden
Aigen 联合创始人兼 CTO
探索 NVIDIA Cosmos 如何利用领先的世界基础模型、开放数据处理、训练和评估框架，帮助开发者更快地开发物理 AI。
