近年來，無論是視頻分析、醫療、物流、零售還是工業自動化領域，人們對自主機器的大規模需求正在增加。在這個過程中，要如何實現大規模的AI自主機器？如何使機器人完成更多新的任務？如何進行智能視頻分析的邊緣部署？
隨著自主機器在生活中越發常見，你是否仍然對其瞭解有限，太多疑問仍然在腦海中揮之不去？
現在，正是你一一解開這些謎題的時候！
於硅谷時間3月24日（北京時間今晚）開啟的GTC DIGITAL 2020上，諸多行業大咖將就AI嵌入式設備、機器人及智能視頻分析等領域進行深入探討。讓我們一起來看看其中的部分演講相關信息吧！
如何實現大規模的 AI 自主機器？
NVIDIA高級產品經理Amit Goel
NVIDIA Jetson系列支持從開發到部署無縫銜接的統一軟件堆棧，並擁有促進產品快速上市的強大生態系統，可謂革新了自主機器新紀元。
NVIDIA高級產品經理Amit Goel將詳細闡述最新的應用案例和產品路線圖，為你提供AI自主機器規模化的實戰指導。
如何通過深度學習幫助機器人完成新任務？
德國達姆施塔特工業大學研究員Michael Lutter
目前，儘管深度學習推動了包括計算機視覺和自然語言處理在內新應用的落地，但它仍未能幫助物理機器人去完成更多新任務。
達姆施塔特工業大學研究員Michael Lutter將詳細介紹機器人領域發展的挑戰，以及將深度學習應用於機器人的可能性。同時他還會重點強調領域知識約束深度網絡的重要性。除了將其應用於機器人技術外，領域知識和深度學習相結合的概念也適用於其他工程學科和自然科學。
如何對智能視頻分析進行邊緣部署？
Google軟件工程師Wang Yongzhe
Google Cloud將帶來有關AutoML Edge Video的演講，這是一項基於NVIDIA GPU的解決方案。利用AutoML Edge Video，用戶可以使用Google的AutoML訓練自定義模型，而無需瞭解如何調整參數。
Google軟件工程師Wang Yongzhe將重點介紹視頻分類和視頻對象追蹤的端到端解決方案。為了訓練一個模型，Google Cloud平行使用了多個NVIDIA GPU進行超參數調優和轉移學習，使他們得以迅速返回高性能模型。同時，演講將展示如何使用凍結的Tensorflow圖將模型導出到邊緣，以及如何充分利用包括Jetson、Tesla T4在內的NVIDA GPU使其發揮最大價值。
除以上之外，如果你還想要了解更多GTC DIGITAL 2020上有關自主機器的相關信息，請戳“瞭解更多”。
閱讀更多 英偉達NVIDIA中國 的文章
