NVIDIA 利用全新開源模型與仿真庫加速機器人研發進程

• 由 NVIDIA、Google DeepMind 以及 Disney Research 聯合開發的開源物理引擎 Newton，現可在 NVIDIA Isaac Lab 中使用。這一物理引擎將助力科研人員及開發者打造功能更強大、適應性更強的機器人。

• 全新的 NVIDIA Isaac GR00T 開源基礎模型將為機器人賦予接近人類的推理能力，使其能夠拆解復雜指令，并借助已有知識與常識執行任務。

• 借助全新的 NVIDIA Cosmos 世界基礎模型，開發者可以生成多樣化數據，從而大規模加速物理 AI 模型的訓練。

• 來自斯坦福大學、蘇黎世聯邦理工學院、新加坡國立大學等頂尖高校的全球科研人員，正借助 NVIDIA 的加速計算技術及軟件推進機器人研究工作。

• 包括 Agility Robotics、Boston Dynamics、Disney Research、Figure AI、Franka Robotics、Hexagon、Skild AI、Solomon 以及 Techman Robot 在內的領先機器人公司，正在采用 NVIDIA Isaac 與 Omniverse 技術。

NVIDIA 今日在機器人學習大會（CoRL）上宣布，開源物理引擎 Newton 現已可以通過 NVIDIA Isaac? Lab 獲取，同時推出的還有用于機器人技能的開源推理視覺語言動作模型 NVIDIA Isaac GR00T N1.6，以及全新 AI 基礎設施。上述技術為開發者和研究人員提供了開源的機器人加速平臺，該平臺能夠加快迭代周期、統一測試標準、整合訓練與機器人端推理，并助力機器人安全可靠地將技能從仿真環境遷移到現實世界。

NVIDIA Omniverse 與仿真技術副總裁 Rev Lebaredian 表示：“人形機器人是物理 AI 的下一個前沿領域，需要在不可預測的世界中進行推理，適應環境并安全行動。通過最新升級，開發者可以擁有將機器人從研發階段帶入日常生活的三大核心工具，包括充當機器人‘大腦’的 Isaac GR00T，負責對機器人‘身體’運作進行仿真的物理引擎 Newton，以及作為機器人‘訓練基地’的 NVIDIA Omniverse。”

物理引擎 Newton

開創機器人物理仿真新標準

機器人在仿真環境中的學習速度更快、安全性更高，但人形機器人關節結構、平衡控制和動作模式非常復雜，現有物理引擎的性能已經難以滿足。全球超過 25 萬機器人開發者亟需精準的物理仿真技術，以確保在仿真環境中教會機器人技能，同時安全可靠地遷移到現實世界。

今天 NVIDIA 宣布，由 Linux Foundation 管理、GPU 加速的開源物理引擎 Newton 已發布測試版本。該物理引擎由 Google DeepMind、Disney Research 與 NVIDIA 聯合開發，基于 NVIDIA Warp 和 OpenUSD 框架構建，現已開放使用。

憑借 Newton 靈活的設計，以及兼容多種物理求解器的能力，開發者現在可以對非常復雜的機器人動作進行仿真，例如在雪地或碎石路面行走、操控杯子和水果等，并且能夠成功地將這些動作部署到現實場景中。

包括蘇黎世聯邦理工學院機器人系統實驗室、慕尼黑工業大學及北京大學在內的眾多知名高校，以及機器人技術公司光輪智能，仿真引擎公司 Style3D 已經率先使用 Newton。

Cosmos Reason 為全新開源模型

Isaac GR00T N1.6 提升機器人推理能力

為了在物理世界中執行類似人類的任務，人形機器人必須能夠理解模糊指令，并應對各種以前未見過的復雜情況。

最新發布的開源機器人基礎模型 NVIDIA Isaac GR00T N1.6，即將在 Hugging Face 平臺上線。這一模型將集成 NVIDIA Cosmos? Reason——一款專為物理 AI 打造的開源、可定制的推理視覺語言模型。作為機器人的“深度思考大腦”，Cosmos Reason 能夠利用已有知識、常識和物理原理，將模糊的指令轉化為逐步執行的計劃，從而應對新場景并泛化到多種任務中去。

Cosmos Reason 的下載量已超過 100 萬次，目前在 Hugging Face 的物理推理模型排行榜上位居榜首。該模型還能夠篩選和標注大量真實及合成數據，用于模型訓練。Cosmos Reason 1 現已作為 NVIDIA NIM? 提供，NVIDIA NIM是一款易于使用的 AI 模型部署微服務。

借助 NVIDIA Isaac GR00T N1.6，人形機器人可以同時完成移動和物體操控動作，其軀干和手臂擁有更大的活動自由度，能夠完成各種高難度任務，比如推開較重的房門。

開發者還可以利用 Hugging Face 平臺上的開源 NVIDIA 物理 AI 數據集，對 NVIDIA Isaac GR00T N 系列模型進行后訓練。該數據集包含數千條合成及來自真實世界的軌跡數據，目前下載量已超過 480 萬次。

AeiROBOT、Franka Robotics、LG Electronics、光輪智能、Mentee Robotics、Neura Robotics、Solomon、Techman Robot 和 UCR 等領先機器人制造商，正評估采用 Isaac GR00T N 系列模型來打造通用機器人。

面向物理 AI 開發的

全新 Cosmos 世界基礎模型

NVIDIA 宣布了開源 Cosmos 世界基礎模型（WFM）的全新更新。該模型的下載量已超過 300 萬次，開發者可通過文本、圖像和視頻提示，生成多樣化數據，從而大規模加速物理 AI 模型的訓練。

• 即將推出的 Cosmos Predict 2.5 將三款 Cosmos 世界基礎模型進行整合，集成為一個功能強大的模型，大幅降低了復雜度，節省開發時間并提高效率。它支持更長時長的視頻生成（最長可創建 30 秒視頻），同時提供多視角攝像頭輸出，以實現更豐富的世界仿真效果。

• 即將推出的 Cosmos Transfer 2.5 相比上一代模型，其生成結果速度更快、質量更高，而模型大小僅為上一代模型的 1/3.5。該模型能夠根據真實的 3D 仿真場景和空間控制輸入，比如深度信息、分割數據、邊緣信息和高分辨率地圖等，生成逼真的合成數據。

訓練機器人抓取技能的新工作流

教會機器人抓取物體是機器人領域最具挑戰性的任務之一。這不僅涉及機械臂的移動，還需要將抽象的指令轉化為精準的動作，機器人必須通過反復試錯才能掌握這項技能。

基于 NVIDIA Omniverse? 構建的開發者預覽版 NVIDIA Isaac Lab 2.3 新增了靈巧抓取工作流。該工作流通過自動化課程體系，在虛擬環境中對擁有多手指的機器人和機械臂進行訓練，從簡單任務開始，逐步提升難度。此工作流會調整重力、摩擦力、物體重量等參數，訓練機器人在不可預測的環境中也能掌握技能。

Boston Dynamics 的 Atlas 機器人借助這一工作流學習抓取技能，其操控能力得到了顯著提升。

包括 Agility Robotics、Boston Dynamics、Figure AI、Hexagon、Skild AI、Solomon 以及 Techman Robot 在內的領先的機器人公司，已經采用 NVIDIA Isaac 和 Omniverse 技術。

在仿真環境中評估機器人的習得技能

讓機器人掌握一項新技能（如拿起杯子或穿過房間）非常困難，在實體機器人上測試這些技能不僅耗時且成本高昂。

仿真技術為解決這一問題提供了途徑，它能夠在無數場景、任務和環境中測試機器人習得的技能。但即便在仿真環境中，開發者構建的測試場景往往零散且簡單化，無法真實反映現實世界的復雜情況。在完美且簡單的仿真環境中學會導航的機器人，一旦面臨現實世界的復雜狀況就會失敗。

為了讓開發者無需從零構建系統，即可在仿真環境中開展復雜、大規模的評估，NVIDIA 與光輪智能聯合開發了 NVIDIA Isaac Lab Arena——這是一個用于大規模實驗和標準化測試的開源策略評估框架，該框架即將推出。

全新 NVIDIA AI 基礎設施，

為機器人工作負載提供全面支持

為了讓開發者充分利用這些先進的技術和軟件庫，NVIDIA 推出了專為高要求工作負載設計的 AI 基礎設施，包括：

• NVIDIA GB200 NVL72：這是一款集成了 36 個 NVIDIA Grace? CPU 和 72 個 NVIDIA Blackwell GPU 的機架式系統。各大云服務提供商已開始采用該系統，以加速 AI 訓練和推理過程，包括復雜推理和物理 AI 任務。

• NVIDIA RTX PRO? 服務器：為機器人開發的各類工作負載（包括訓練、合成數據生成、機器人學習和仿真）提供統一架構。RAI Institute 已采用 RTX PRO 服務器。

• NVIDIA Jetson Thor?：搭載 Blackwell GPU，能夠支持機器人運行多個 AI 工作流，實現實時智能交互，帶來機器人端實時推理功能。這一突破對于高性能物理 AI 工作負載以及人形機器人等應用具有重要意義。包括 Figure AI、銀河通用、Google DeepMind、Mentee Robotics、Meta、Skild AI 以及宇樹科技在內的合作伙伴已采用 Jetson Thor。

NVIDIA 推進機器人研究進程

CoRL 收錄的論文中，近半數引用了 NVIDIA 的相關技術，包括 GPU、仿真框架和 CUDA 加速庫。這些技術已被卡內基梅隆大學、華盛頓大學、蘇黎世聯邦理工學院和新加坡國立大學等領先研究實驗室及機構廣泛采用。

此次 CoRL 還重點展示了斯坦福視覺與學習實驗室開展的機器人學習基準測試項目 BEHAVIOR，以及由北京大學開發的用于推進基于視覺的觸覺機器人研究的高性能仿真平臺 Taccel。

想要了解更多 NVIDIA 的機器人研究成果，請關注 9 月 27 日至 10 月 2 日在首爾舉辦的 CoRL。