NVIDIA 賦能光輪智能，以仿真與合成數據加速物理 AI 落地

機器人正加速走向真實世界。從實驗室到工業現場，從結構化環境到開放空間，物理 AI 對數據規模、物理準確性與訓練效率提出了前所未有的要求。

作為 NVIDIA 在機器人仿真與合成數據領域的合作伙伴，光輪智能聚焦物理 AI 領域的核心挑戰——機器人數據短缺問題，并基于 NVIDIA 技術棧構建了仿真數據解決方案，為機器人基礎模型訓練提供高質量數據支持。

物理 AI 的“數據困境”

與依賴互聯網海量文本數據進行預訓練的大語言模型不同，機器人領域缺乏相應的數據基礎設施，這也成為了物理 AI 發展的根本矛盾。

在謝晨博士看來，機器人基礎模型的發展面臨巨大的數據短缺。與大語言模型不同，現實世界中沒有足夠的機器人持續采集數據。因此，必須在仿真環境中，通過人類遙操生成足夠的數據來訓練機器人基礎模型。

謝晨博士在 SIGGRAPH 2025 講解物理 AI 數據需求規模

通過以下鏈接，觀看分享回放：

Accelerating Robot Learning Through Visual Simulation | SIGGRAPH 2025 | NVIDIA On-DemandArtificial Intelligence Computing Leadership from NVIDIAMy AccountFacebookInstagramLinkedInTwitterYouTubeNVIDIA

在 SIGGRAPH 2025，謝晨博士進一步解釋了機器人領域面臨的數據挑戰。在他看來，物理 AI 的數據問題比大語言模型的數據問題大 1000 倍。現實世界中部署的機器人數量遠遠不足以支撐基礎模型所需的數據規模，而合成數據成為突破這一瓶頸的關鍵路徑。

基于 NVIDIA 技術棧的一站式解決方案

為了推動物理 AI 的發展，NVIDIA 持續構建從底層標準、仿真平臺到云端基礎設施的完整技術體系，為機器人開發者提供統一、可擴展的技術基礎。作為 NVIDIA 在機器人仿真與合成數據領域的合作伙伴，光輪智能基于 NVIDIA 技術棧的全面支持及深度技術整合，為機器人開發者打造了一站式平臺。通過這一平臺，開發者能夠獲得從場景構建、模型訓練、仿真測試到真機部署所需的能力。

光輪智能從 OpenUSD 及其衍生產品出發，創建高質量的 SimReady 資產，并讓用戶能夠輕松搜索、驗證和使用這些資產。OpenUSD 能夠完整描述物理屬性，這使其成為物理 AI 仿真資產的理想基礎。比如，光輪智能提供了大量物理精確的廚房場景，針對希望在廚房環境部署機器人的客戶需求，構建了各種不同類型的廚房布局，冰箱門的鉸鏈、抽屜的摩擦系數等物理細節都經過精確建模，確保機器人在仿真中習得的“手感”能夠遷移到真實世界。

此外，在數據采集方面，光輪智能通過 NVIDIA Isaac Sim 構建了人類遙操（human-in-the-loop）解決方案，讓人類操作員在仿真環境中演示操作，采集合成數據用于模型訓練。云端基礎設施方面，NVIDIA Omniverse Cloud 為光輪智能的仿真云平臺提供支持，讓開發者能夠在云端進行大規模仿真。

光輪智能為多個行業的垂直領域提供數據支持

這一完整的技術方案正在加速多個行業的應用落地。光輪智能已為醫療手術機器人、智能制造產線、自動化化學實驗室、智慧農業采摘等多個垂直領域提供數據支持。

以仿真為加速器

共同推動機器人產業演進

光輪智能致力于以仿真推動機器人行業的加速發展，這與 NVIDIA 的技術路徑不謀而合。

隨著物理 AI 時代的到來，NVIDIA 將通過開放標準、仿真平臺與加速計算技術，賦能光輪智能等行業生態伙伴一起，共同推動機器人產業的規模化落地。

*本文中圖片均由光輪智能提供，如果您有任何疑問或需要使用圖片，請聯系光輪智能。