自主機器人導航一直是一個難題，要想有效地解決這個難題，必須克服在AI平台上運行的深度學習框架。一名台灣清華大學學生在 Jetson AI 平台 上展示了這樣一種易於實現的機器人導航框架，並在最近結束的 邊緣 AI 挑戰賽 中獲得了第二名。
這支 5 人團隊將自己稱為 “Team Do You Want to Build A Snowman”。他們使用單一攝影機和深度學習方法作了自主導航，並利用“ Sim-to-Real”（從模擬到現實）技術快速，有效地訓練了他們的深度強化學習（DRL）設備。該團隊在這個項目中所做出的最重要的貢獻是虛擬指導，這是一種將導航路徑傳遞至 DRL 設備的簡單有效方法。
該框架包含四個模組：感知，定位，規劃器和控制策略。這四個模組以及外圍組件（例如 RGB 攝影機和自動引導車）透過機器人操作系統（ROS）進行溝通。團隊採用了由 2 個 NVIDIA Jetson Nano 開發者套件 和 2 個 NVIDIA Jetson Xavier 開發者套件 模組組成的嵌入式叢集。本地化模組在 Jetson Xavier 套件上執行，因為它有更大的記憶體和更高的運算能力。 規劃器模組在 Jetson Nano 套件上執行，為協調嵌入式叢集該套件還用作 ROS 節點。
Sim-to-Real 高效機器人導航框架演示
研究人員表示：“透過採用小型攝影機和一些邊緣運算設備，我們使自主導航變得更加實用，經濟。我們相信，這個計劃會為未來基於視覺的自主導航研究開闢新方向。”