適逢 ROS World 2021 大會，NVIDIA 宣布其為 ROS 開發者社群提供高效能感知技術的最新進展。這些計劃將加速產品開發以及提高產品效能，最終讓開發人員能夠更輕松地將最先進的計算機視覺及人工智能 (AI)/ 機器學習 (ML) 功能，應用于 ROS 架構的機器人應用程序。

Isaac ROS GEM 提供包含圖像處理和計算機視覺的軟件包，其內含針對 NVIDIA GPU 和 Jetson 進行高度優化調整、并基于 DNN 架構的算法。

當自主機器在環境中移動時，必須追蹤自己的位置。視覺測距法透過估算攝影機與其起始位置的相對距離，以解決這個問題。用于立體視覺測距的 Isaac ROS GEM 為 ROS 開發者提供這項強大的功能。

這個 GEM 為實時立體攝影機視覺測距解決方案提供了最高的精準度。在此可以參見按照廣泛使用之 KITTI 數據庫所提供的公開結果。除了極高的精準度，該 GPU 加速套件的運行速度也十分快。事實上，現在可以在 NVIDIA Jetson AGX Xavier 上，實時 (>60fps) 以 HD 分辨率 (1280x720) 來運行 SLAM。

你可以使用 NVIDIA 在 NGC 上提供的任何推論模型，甚至可以透過 DNN 推論 GEM (一套 ROS2 軟件包) 提供自己的 DNN。亦可以使用 NVIDIA TAO 工具套件，對已預先訓練完成的模型進行調整，或優化自己的模型。

完成優化調整后，NVIDIA 的推論服務器 TensorRT 或 Triton 會部署這些軟件包。透過 NVIDIA 高效能推論軟件開發工具包 (SDK) TensorRT 的節點，將達到最佳的推論表現。若 TensorRT 不支持所需的 DNN 模型，則應使用 NVIDIA Triton 來部署該模型。

GEM 以原生方式支持 U-Net 及 DOPE?；?TensorRT 的 U-Net 軟件包可用于從影像產生出語義分割屏蔽。而 DOPE 軟件包則可用于對所有偵測到的物體估算其 3D 姿勢。

這項工具是將高效能 AI 推論納入 ROS 應用程序的最快方法。