On-Demand-Webinar
GPU-beschleunigte Echtzeit-SLAM Optimierung für autonome Roboter
Donnerstag, Juli 10, 2025 | 8:00 Uhr PDT | 11 Uhr EDT | 17:00 Uhr MESZ
Webinar-Übersicht
Die Optimierung der Ausführungszeit für langfristige und groß angelegte SLAM-Algorithmen ist für den Echtzeit-Einsatz auf Edge-Compute-Plattformen unerlässlich. Ein höherer Durchsatz der SLAM-Ausgabe ermöglicht eine schnellere Aktualisierungsrate der Karte und schnellere Entscheidungsszenarien. RTABMap ist ein hochmoderner und beliebter SLAM-Algorithmus, der im Bereich der autonomen mobilen Roboter eingesetzt wird. RTABMap verfügt über SLAM-Kernbibliotheken, die Lidar- und Vision-basiertes SLAM mit mehreren Sensorkonfigurationen durchführen können. In diesem Vortrag wird erörtert, wie Lidar-basiertes SLAM mit PointCloud-Daten durch die Nutzung von GPU-basierten Bibliotheken auf NVIDIA-Plattformen beschleunigt werden kann. Die detaillierten Vergleichsergebnisse und die Methodik geben einen guten Einblick, wie die Ausführungszeit von RTABMap-Funktionen für AMR-Anwendungen reduziert werden kann. Dieses Webinar vermittelt auch eine Vorstellung davon, wie ein SLAM-Algorithmus auf ressourcenbeschränkten Geräten effektiv beschleunigt werden kann.
In diesem Webinar werden wir Folgendes besprechen
- Erforschung spezifischer GPU-basierter Bibliotheken und Frameworks für die Lidar-SLAM-Beschleunigung
- Integration von GPU-Bibliotheken mit RTABMap, mit Schwerpunkt auf Änderungen und Optimierungen
- Bereitstellung von Benchmarks und Leistungsvergleichen, die die Auswirkungen der GPU-Beschleunigung auf die SLAM-Ausführungszeit zeigen
Die Aufzeichnung ansehen
Redner
Samarth Shukla hat einen B. Tech in Robotik und Automatisierung vom Parul Institute of Technology. Er hat fast zwei Jahre Erfahrung in der Arbeit an autonomen mobilen Robotern, Robotermanipulatoren, SLAM und Navigation unter Verwendung des ROS2-Frameworks. Seine Arbeit umfasst auch CUDA-Programmierung, digitale Zwillingssysteme und Simulation mit NVIDIA Isaac Sim. Darüber hinaus hat er an Projekten im Bereich der künstlichen Intelligenz und des maschinellen Lernens mitgewirkt und bei seiner Entwicklungsarbeit aktiv C++, Python und GPU-Programmierung eingesetzt.
Vishal Bhapkar
AI Solution Engineer, eInfochips (Ein Arrow-Unternehmen)
Vishal Bhapkar hat einen B. Tech in Informatik, Universität Pune. Er hat etwa 4 Jahre Erfahrung in der Arbeit an AI Computer Vision, Wahrnehmung und Roboteroperationen wie SLAM und Navigation unter Verwendung des ROS2 Frameworks. Seine Arbeit umfasst auch 3D-Computer-Vision-basierte Aktivitäten wie Bildklassifizierung, Objekterkennung oder Segmentierung, CUDA-Programmierung und Simulation mit NVIDIA Isaac Sim, Gazebo usw. Darüber hinaus hat er zu Projekten beigetragen, die KI/ML-basierte Pipelines mit GPU-Programmierung auf Edge-Geräten mit C++ und Python beinhalten.
