日期：2025-10-03 16:27:55
开源物理引擎Newton能通过NVIDIA IsaacLab用了配配查官网，还是测试版。
同时发的还有机器人技能用的开源推理模型，NVIDIA Isaac GR00T N1.6，连新的AI基础设施也一起亮了相。
说实话，现在人形机器人想走进日常生活，麻烦事不少。
环境一变就适应不了，动作稍微复杂点就控制不好，从仿真里学的本事到现实还容易“翻车”。
全球25万多机器人开发者，早就盼着能有解决这些问题的技术。
英伟达这次一口气放这么多东西，看着就是奔着这些痛点来的。
一、Newton补“身体”短板，GR00T给机器人装“会想的大脑”
本来想觉得物理引擎也就那样，无非是模拟个动作。
但后来发现，人形机器人关节多、平衡难控，之前的引擎还真扛不住。
Newton是英伟达拉上谷歌DeepMind、DisneyResearch一起搞的，用了NVIDIAWarp和OpenUSD框架，还交给LinuxFoundation管，靠GPU加速。
现在开放用了，开发者终于能模拟点复杂动作了，比如机器人在雪地里走，在碎石路上挪，或者抓杯子、拿水果，关键是这些动作能靠谱地用到现实里。
苏黎世联邦理工、慕尼黑工大、北京大学这些高校，还有光轮智能、Style3D这些公司，已经先用上了。
我觉得这波早用的团队算占了先机，毕竟调试机器人动作这事儿，之前光靠试错就得耗好久，Newton说不定能把这个时间砍不少。
光有“身体”的仿真还不够，机器人得“会想”才行。
Isaac GR00T N1.6就是干这个的，能让机器人有点像人一样推理。
比如给个模糊指令，它能拆成一步步的动作，还能一边动一边抓东西，胳膊和身子的活动范围也大了，推开重点的房门都没问题。
这个模型还会集成NVIDIA CosmosReason，那可是机器人的“深度大脑”。
CosmosReason在HuggingFace排行榜上一直是第一，下载都超100万次了，还能帮着筛选训练数据。
老实讲，之前机器人处理没见过的情况总“懵”，有了这个推理能力，说不定能少犯点错。
而且GR00T N1.6很快要上HuggingFace，开发者还能用上面的物理AI数据集接着训练，那数据集下载都快500万次了，数据量是够够的。
AeiROBOT、FrankaRobotics这些厂商已经在评估了，要是真能用好，通用机器人的进度能快不少。
二、数据+算力双兜底，机器人研发不用再“卡脖子”
讲完仿真和推理，机器人训练还缺个“数据粮仓”。
Cosmos世界基础模型就是干这个的，下载都超300万次了。
马上要出的CosmosPredict2.5更厉害，把三款旧模型合到一起，体积缩到之前的1/3.5，还能生成30秒的视频，多视角输出。
如此看来，之前开发者愁的“数据不够、场景不全”，这下能缓解不少，毕竟合成数据比real数据好获取，成本也低。
机器人学抓东西一直是个难题，不光要动胳膊，还得把指令转成精准动作，得反复试错。
IsaacLab2.3新出的灵巧抓取工作流就帮上忙了，从简单抓小球到复杂抓水果，一步步教机器人，还能调重力、摩擦力这些参数。
波士顿动力用它训Atlas机器人，抓东西的成功率明显高了。
但光训还不行，得知道训得好不好。
英伟达和光轮智能一起搞的IsaacLabArena快出了，能提供标准化的测试场景。
搞不清之前开发者总抱怨“仿真里训得好，现实里就翻车”，有了这个框架，测试场景不零散了，机器人学的本事也能更靠谱。
毫无疑问，技术再好，没算力也白搭。
英伟达这次连基建都配齐了。
云端有GB200NVL72，装了36个GraceCPU和72个BlackwellGPU，云厂商都开始用了，大规模仿真训练没问题。
RTXPRO服务器更适合机器人研发的全流程，RAIInstitute用了之后，训练周期都短了。
机器人端也有JetsonThor，带BlackwellGPU，能实时推理。
FigureAI、宇树科技这些都用上了，宇树说他们的G1机器人响应快了，稳定性也高了。
更何况，从云端到端侧的算力都覆盖了，开发者不用再凑算力、调适配，能专心搞研发。
说到底，英伟达这次在CoRL上放的这些东西，不是单个技术，而是把“仿真-推理-数据-算力”串成了一套。
近半数CoRL论文都引了英伟达的技术，高校和大厂也都在用力推。
我觉得这对行业来说，不只是加速研发，更是拉低了门槛，小团队不用再卡在某一个环节，能更快把机器人从实验室推到生活里。
很显然配配查官网，机器人行业接下来可能会迎来一波小爆发，而英伟达这波操作，算是给行业搭好了台子。
启运配资提示：文章来自网络，不代表本站观点。
- 上一篇：配配查官网 买最贵的月饼，塞最普通的塑料片：男子一个月敲诈10家高档酒店“月入”5万
- 下一篇：没有了
相关文章
沪深京指数
热点资讯