基於 NVIDIA Omniverse 平臺的人工智能執行個體開發入門
薑宇 李丹丹 金晶
- 出版商: 哈爾濱工業大學
- 出版日期: 2024-10-01
- 售價: $468
- 語言: 簡體中文
- 頁數: 262
- ISBN: 7576714972
- ISBN-13: 9787576714975
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$658深度捲積網絡 : 原理與實踐 -
機器學習的數學基礎 : AI、深度學習打底必讀$580$458 -
精通機器學習｜使用 Scikit-Learn , Keras 與 TensorFlow, 2/e (Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2/e)$1,200$948 -
$534深度學習圖像識別技術：基於 TensorFlow Object Detection API 和 OpenVINO™ 工具套件 -
$507聯邦學習 -
$792遷移學習 -- TRANSFER LEARNING (楊強教授新作) -
$678聯邦學習實戰 -
機器學習設計模式 (Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops)$680$537 -
人工智慧再進化：聯邦學習讓資料更安全穩固$880$695 -
打下最紮實 AI 基礎不依賴套件：手刻機器學習神經網路穩健前進$1,200$1,020 -
$454Python 深度強化學習入門：強化學習和深度學習的搜索與控制 -
機器學習聖經：最完整的統計學習方法$880$695 -
AI 開發的機器學習系統設計模式$620$465 -
$735現代決策樹模型及其編程實踐：從傳統決策樹到深度決策樹 -
$678遷移學習導論, 2/e -
AI 可解釋性 (Python語言版)$359$341 -
數位孿生：虛實融合打造元宇宙的關鍵技術$450$351 -
基於大模型的 RAG 應用開發與優化 — 構建企業級 LLM 應用$834$792 -
可解釋機器學習：黑盒模型可解釋性理解指南, 2/e$708$673 -
生成式 AI 入門 – 揭開 LLM 潘朵拉的秘密 : 語言建模、訓練微調、隱私風險、合成媒體、認知作戰、社交工程、人機關係、AI Agent、OpenAI、DeepSeek (Introduction to Generative AI)$580$458 -
$594強化學習基礎、原理與應用 -
$1,128深度學習：基礎與概念 -
深度學習詳解｜台大李宏毅老師機器學習課程精粹$750$593 -
$714具身智能原理與實踐
相關主題
商品描述
本書介紹了NVIDIA Omniverse平臺的架構、元件及其應用場景，從平臺概述到元件解析，再到應用程式概述，為讀者提供了深入的瞭解。書中也詳細指導了Isaac Sim的安裝和配置，並深入探討了其接口和基本操作，讓讀者能夠輕鬆上手。此外，應用程式接口及場景配置等為開發者提供了豐富的開發資源和實用指南。透過多個實例，如Hello World、 Hello Robot等，詳細解析如何在Omniverse平臺上進行人工智能應用的開發。 本書適合NVIDIA Omniverse 平臺有興趣的開發者與愛好者，是入門與實作必備的參考用書。
目錄大綱
第1章 NVIDIA Omniverse平臺
1.1 平臺概述
1.2 組件解析
1.3 應用程式概述
1.4 Omniverse Enterprise概述
1.5 本章小結
第2章 Isaac Sim安裝指南
2.1 配置要求
2.2 安裝所需組件
2.3 安裝與啟動Isaac Sim
2.4 安裝ROS和ROS2
2.5 本章小結
第3章 Isaac Sim接口與基本操作
3.1 接口概覽與實作引導
3.2 工作流程
3.3 圖形使用者接口
3.4 本章小結
第4章 應用程式接口
4.1 Hello World範例
4.2 Hello R0bot範例
4.3 新增控制器
4.4 添加機械手臂
4.5 本章小結
第5章 場景配置
5.1 導入URDF文件
5.2 匯出URDF文件
5.3 導入MJCF模型
5.4 機器人裝配
5.5 調整關節驅動增益
5.6 本章小結
第6章 動作生成
6.1 Lula機器人描述編輯器
6.2 Lula的RMPflow整合與應用
6.3 快速探索隨機樹在Lula中的應用
6.4 Lula運動學求解器應用
6.5 Lula軌跡產生器
6.6 本章小結
第7章 強化學習
7.1 概述與入門
7.2 在OmniIsaacGymEnvs中建立新的RL範例
7.3 強化學習的擴展工作流程
7.4 強化學習的域隨機化
7.5 本章小結
第8章 合成資料生成
8.1 概述與快速入門
8.2 合成資料記錄器
8.3 離線資料集生成
8.4 本章小結
第9章 合成資料應用
9.1 離線位姿估計
9.2 使用合成資料訓練姿態估計模型
9.3 本章小結
第10章 合成資料產生的擴充程序
10.1 擴充程式簡介
10.2 擴充程式設定檔
10.3 擴充程式的基本用法
10.4 物體檢測合成資料生成
10.5 本章小結
第11章 隨機化模擬
11.1 自主移動機器人(AMR)導航
11.2 URl0機械臂碼垛
11.3 本章小結
附錄
A.1 Isaac Sim參考約定
A.2 快捷鍵約定
