Webinaire à la demande
SLAM en temps réel accéléré par le GPU Optimisation pour les robots autonomes
Jeudi 10 juillet 2025 8:00am PDT | 11am EDT | 17:00 CEST
Aperçu du webinaire
L'optimisation du temps d'exécution des algorithmes SLAM à long terme et à grande échelle est essentielle pour les déploiements en temps réel sur les plates-formes de calcul en périphérie. Un débit plus élevé de la sortie SLAM permet un rafraîchissement plus rapide des cartes et des scénarios de prise de décision plus rapides. RTABMap est un algorithme SLAM de pointe et populaire utilisé dans l'espace des robots mobiles autonomes. RTABMap est livré avec des bibliothèques SLAM de base capables d'effectuer un SLAM basé sur le Lidar et la vision avec de multiples configurations de capteurs. Dans cet exposé, nous verrons comment le SLAM basé sur le Lidar et utilisant des données PointCloud peut être accéléré en exploitant les bibliothèques basées sur le GPU sur les plates-formes NVIDIA. Les résultats comparatifs détaillés et la méthodologie fourniront un bon aperçu de la façon dont le temps d'exécution des fonctions RTABMap peut être réduit pour les applications AMR. Ce webinaire donnera également une idée des moyens efficaces d'accélérer un algorithme SLAM sur des appareils aux ressources limitées.
Dans ce webinaire, nous aborderons les points suivants
- Explorer les bibliothèques et frameworks spécifiques basés sur le GPU pour l'accélération du SLAM Lidar
- Intégration des bibliothèques GPU avec RTABMap, en mettant l'accent sur les modifications et les optimisations.
- Fournir des repères et des comparaisons de performances montrant l'impact de l'accélération GPU sur le temps d'exécution de la SLAM.
Voir l'enregistrement
Intervenants
Samarth Shukla est titulaire d'une licence en robotique et en automatisation de l'Institut de technologie de Parul. Il a près de deux ans d'expérience dans le domaine des robots mobiles autonomes, des manipulateurs robotiques, de la SLAM et de la navigation à l'aide du cadre ROS2. Ses travaux portent également sur la programmation CUDA, les systèmes de jumeaux numériques et la simulation à l'aide de NVIDIA Isaac Sim. En outre, il a contribué à des projets impliquant l'intelligence artificielle et l'apprentissage automatique, et a utilisé activement C++, Python et la programmation GPU dans son travail de développement.
Vishal Bhapkar
Ingénieur solution IA, eInfochips (An Arrow Company)
Vishal Bhapkar est titulaire d'un B. Tech en informatique de l'Université de Pune. Il a environ 4 ans d'expérience dans le domaine de la vision artificielle, de la perception et des opérations robotiques telles que le SLAM et la navigation à l'aide du cadre ROS2. Son travail implique également des activités basées sur la vision 3D comme la classification d'images, la détection ou la segmentation d'objets, la programmation CUDA et la simulation avec NVIDIA Isaac Sim, Gazebo, etc. En outre, il a contribué à des projets impliquant des pipelines basés sur l'IA/ML avec la programmation GPU sur des appareils de pointe avec C++ et Python.
