NVIDIA 在全美机器人周展示物理 AI 领域最新研究、突破与资源

在今年的 全美机器人周 (National Robotics Week)，NVIDIA 重点展示了推动 AI 走向物理世界的关键突破，以及正在重塑农业、制造业、能源等多个行业的机器人发展浪潮。

机器人学习、仿真技术与基础模型的持续演进，正加速机器人的开发进程，使其能够以前所未有的速度从虚拟环境训练迈向现实世界部署。

依托 NVIDIA 在仿真、合成数据和 AI 驱动机器人学习方面的完整平台，开发者如今已具备构建可在复杂环境中感知、推理并执行任务的智能机器所需的核心工具。

欢迎关注并获取关于 NVIDIA 物理 AI 技术的最新系列报道。

构建下一代 AI 机器人

在上个月的 NVIDIA GTC 上，NVIDIA 发布了一系列新技术，用于加速 AI 驱动的机器人开发。

其核心是一套从云端到机器人的全栈工作流，将仿真、机器人学习与边缘计算连接起来，加快智能机器的构建、训练和部署。

重点发布内容包括：

• 全新的 NVIDIA Isaac GR00T 开放模型，使机器人能够理解自然语言指令，并通过视觉-语言-动作推理执行复杂的多步骤任务。
• 全新的 NVIDIA Cosmos 世界模型，用于生成合成数据并实现大规模机器人训练，帮助系统更高效地学习并在不同环境中泛化。
• 开源物理引擎 Newton 1.0 正式公开发布，为机器人灵巧操作提供快速且可靠的基础，使其具备精确的碰撞检测、真实的物体接触以及对刚体和柔性系统的稳定仿真能力。
• 随着 NVIDIA Isaac Sim 6.0、Isaac Lab 3.0 和 Omniverse NuRec 技术的全面可用，仿真能力得以进一步扩展，使开发者能够在部署前建模真实场景并验证机器人系统。

观看 NVIDIA GTC 全球 AI 大会的 on-demand 内容，跟随行业专家，了解最新机器人技术突破。

推动手术精度的突破

PeritasAI 正在通过将物理 AI 引入真实手术环境，推进新一代手术机器人的发展。借助 NVIDIA Isaac for Healthcare 和用于医院自动化的 Rheo Blueprint，该公司正在开发能够实时感知、协同和执行的多智能体系统。

通过和光轮智能以及 Advent Health Hospitals 合作，这项技术将具身智能引入手术室，为手术团队提供态势感知、无菌协作以及对手术器械、植入物和工作流的智能管理支持。

从语言到动作：NVIDIA NemoClaw 将自然语言指令引入 Isaac Sim

NVIDIA Omniverse 开发者 Umang Chudasama 已将 NVIDIA NemoClaw 集成到NVIDIA Isaac Sim 中，使 Nova Carter 自主机器人能够通过自然语言指令进行控制，而无需手动编程。NemoClaw 可以将文本指令 (如“向前移动两米”) 转换为可执行的 Python 脚本，并通过自定义 REST API 实时发送到 Isaac Sim。

整个系统运行在 Isaac Sim 中，使机器人在接触现实世界之前，就能在真实且物理精确的仓库环境中运行。将 Isaac Sim 与 NemoClaw 结合，意味着更快的开发速度、更安全的测试过程以及更智能的部署路径。开发者不再需要逐行编写代码，而是可以直接“与机器人对话”，这标志着机器人开发正迈向真正协作型、由语言驱动的全新阶段。

OceanSim：GPU 加速的水下机器人感知仿真框架

水下仿真器对于开发可靠的感知系统至关重要，但在基于物理的传感器建模和高速渲染方面仍存在挑战。

为解决这一问题，密歇根大学研究人员开发了 GPU 加速的高保真仿真器 OceanSim。它利用先进的物理渲染技术，使合成的水下图像更加真实。借助 GPU，仿真器能够实时实现成像声呐的实时渲染，并快速生成数据。

OceanSim 基于 NVIDIA Isaac Sim 构建，并接入 NVIDIA Omniverse 库，实现机器人学习研究与水下机器人应用之间的无缝连接，使开发者能够更轻松地开发和部署水下具身 AI 技术。

RoboLab：面向下一代通用机器人的基准测试平台

RoboLab 是用于开发与评估通用机器人策略的高保真仿真基准平台，助力构建能够在多种环境中执行多样化任务的机器人系统。

RoboLab 基于 NVIDIA Isaac 与 NVIDIA Omniverse 仿真技术构建，借助高保真视觉环境和基于物理的建模能力，实现机器人策略的大规模训练与测试。这使研究人员在任务复杂度不断提升的情况下，能够评估机器人在仿真中习得的行为迁移至现实世界中的效果。

通过将先进仿真与结构化评估相结合，RoboLab 加速了从虚拟训练到现实世界部署的进程。

RoboLab 的功能将被纳入 NVIDIA Isaac Lab-Arena 的路线图。NVIDIA Isaac Lab-Arena 是一个用于大规模策略配置和评估的开源框架。

借助 AI 推理实现更智能的码垛作业

在仓储环境中，传统码垛机器人通常遵循固定的规则处理箱子，而不考虑箱内的物品、状态或易碎程度。由 Doosan Robotics 开发的一项新项目，借助 NVIDIA Cosmos Reason 引入了一种更具适应性的解决方案。

该系统仅需分析单张摄像头图像，即可推断箱内物品、检测破损情况，并根据估算的重量与易碎程度，动态调整每个物品的处理方式，包括调整放置位置、移动速度和抓取力度等。从而减少了因错误堆叠破损或易碎货物而带来的常见问题。

为了让机器人在实际部署前就具备对物理世界的“理解”能力，研究人员和开发者正基于 NVIDIA Cosmos 世界基础模型 (WFMs) 构建策略模型。例如，丰田研究院 (TRI) 在 Cosmos WFM 的基础上定制了其自有世界模型，在动态视角合成、遥操作数据增强以及导航世界模型等多个领域取得了业界领先的成果。

Mimic Robotics 采用了不同的路径，推出视频-动作模型 mimic-video。该模型将预训练的互联网级视频模型与流匹配动作解码器相结合，用从视频中学习到的物理动态取代传统视觉-语言-动作模型（VLA）中静态图像-语言的骨干网络，在现实世界操作任务中实现了样本效率提高 10 倍和收敛速度提升 2 倍的表现。

两个团队的工作共同揭示了一个重要转变：基于捕捉了物理规律与因果关系的世界模型所训练的机器人，在面对从未见过的环境时，只需更少的真实世界数据即可稳定可靠地执行任务。

基于 NVIDIA Jetson 的开放智能机器人：社区创新推动物理 AI 新浪潮

在今年的 National Robotics Week，运行于 NVIDIA Jetson 平台的 OpenClaw 展示了开源创新如何加速演进为现实世界智能机器人应用。

从落地应用到前沿项目，机器人社区正以前所未有的速度构建新一代技术。

开发者们不断拓展自主能力的边界，包括借助 Jetson Thor 实现硬件在环测试、评估来自 NVIDIA Isaac Sim 的摄像头数据流，乃至构建能通过自动生成代码以完成任务的系统。

此外，OpenClaw 现已可在 NVIDIA Jetson Thor 上完全实现本地运行，在优化后的 NVIDIA Nemotron 开放模型和 vLLM 开放推理库的支持下，进一步迈向私有化、低延迟边缘 AI 的机器人应用。与此同时，诸如 NVIDIA NemoClaw 软件栈等创新成果，正在拓展开源与高性能机器人平台融合的更多可能性。

在仿真中训练和优化运动能力

机器人创作者 Gennady Plyushchev (YouTube 频道名 Skyentific) 正在记录其双足行走机器人的开发过程——从仿真与设计到现实世界部署，展示了“仿真优先”的机器人开发方法。

通过将基于 NVIDIA Isaac 的仿真工作流与用于端侧 AI 和控制的 NVIDIA Jetson 相结合，演示了了开发者如何在部署到物理系统之前，在虚拟环境中进行快速迭代。

这一成果体现了机器人领域更广泛的趋势：借助 AI、仿真和边缘计算加速开发，推动性能不断提升的人形机器人走向现实世界。

马里兰大学研究人员开发了可执行复杂家务任务的机器人

为了将机器人引入日常生活，获得 NVIDIA 学术资助计划支持的马里兰大学研究人员正在开发具备更高自主能力的、AI 驱动的人形机器人系统，以完成复杂的家务任务。

该项目聚焦于构建统一感知、规划与控制的机器人基础模型。借助 NVIDIA Isaac 开放机器人开发平台，研究人员可创建涵盖多样物体与空间布局的高保真虚拟家庭环境，使机器人能够练习数百万种任务变体，并安全测试罕见或复杂的场景。

结合用于训练大模型的 NVIDIA RTX PRO 6000 Blackwell GPU 与用于实体机器人高效部署的 NVIDIA Jetson AGX Thor 开发者套件，进一步缩减了研究与实际应用之间的差距。

通过融合生成式 AI、序列决策和可扩展计算方面的进展，这项研究标志着通用机器人发展的关键一步，这类机器人有望在家庭、医疗等场景中为人类提供支持。

MassRobotics 奖学金计划公布

亚马逊云服务 (AWS) 正式宣布第二期 MassRobotics 奖学金计划入选名单。该计划表彰在工业场景中成功应用机器人与计算机视觉技术的初创企业，入选团队将获得技术资源支持及 AWS 云积分。

本期入选团队包括多家 NVIDIA 初创加速计划会员企业：Burro、Config Intelligence、Deltia、Haply Robotics、Luminous Robotics、Roboto AI、Telexistence、Terra Robotics 以及 WiRobotics，涵盖人形机器人、工业自动化、触觉和农业系统等多个技术方向。

Burro 开发用于葡萄采摘和作物巡检等任务的自主农业机器人。

Config Intelligence 构建面向通用双臂机器人的数据基础设施，使其能够在现实世界场景中实现可靠地双手协同任务。

Deltia 提供基于 AI 的制造智能系统，通过计算机视觉和分析技术优化装配线。

Haply Robotics 设计了触觉控制装置，作为各行业物理 AI 系统的“方向盘”。

Luminous Robotics 部署 AI 驱动的机器人系统，用于快速、低成本地安装和维护太阳能电池板。

Roboto AI 提供数据分析平台，通过管理和分析机器人数据，加速机器人开发进程。

Telexistence 为零售和物流领域开发由 AI 驱动的人形机器人和远程控制系统。

Terra Robotics 开发激光除草农业机器人，以实现可持续农业的自动化。

WiRobotics 开发可穿戴行走辅助设备和人形机器人，用于提升移动能力和物理交互水平；并利用辅助设备产生的数据对其人形机器人进行训练。

加速公用事业级太阳能项目的现场建设方式

由 AES 公司孵化的太阳能机器人企业 Maximo 近期利用其机器人集群完成了一个 100 兆瓦的太阳能安装项目。Maximo 基于 NVIDIA 加速计算平台、NVIDIA Omniverse 库以及 NVIDIA Isaac Sim 框架构建，成功展示了自主化安装在公用事业级规模项目中的可靠性。

该方案显著提升了安装速度、安全性和一致性，有助于缩小对更快投产周期的增长需求与当前施工能力之间的差距。

随着太阳能产业扩张持续面临劳动力短缺和需求激增的双重挑战，像 Maximo 这样由 AI 驱动的现场机器人系统正在加速基础设施建设、降低成本，并重塑能源项目的交付方式。

Aigen 以农业机器人推动可持续农业发展

为了推动地球生态修复，Aigen 推出了由太阳能驱动的自主机器人，通过基于视觉 AI 的精准除草技术，帮助农民减少对化学制品的依赖。

这家 NVIDIA 初创加速计划会员企业正在打造一种以清洁能源为动力、并通过数据持续优化的新型的耕作系统。Aigen 的太阳能机器人集群利用先进的计算机视觉技术识别并清除杂草，大幅降低对除草剂的需求。

农业环境不存在统一的标准化场景，每一块田地都各不相同：作物种类、土壤条件、农机设备、杂草类型、生长阶段和地理位置千差万别。这种碎片化使得现实世界数据的采集变得缓慢、昂贵且一致性不足。为此，Aigen 基于 NVIDIA Cosmos 开放世界基础模型，结合自身专业数据进行后训练，并利用NVIDIA Isaac Sim 的仿真流程，构建出能够泛化适用于数百万种农业场景的系统。

在现场作业中，每台机器人均搭载 NVIDIA Jetson Orin 边缘 AI 模组，实时执行推理任务，精准区分作物与杂草。

借助这些机器人，农民能够以更可持续、更具经济效益的方式种植作物，采用再生农业实践，修复土地并促进生态平衡。