其他行业 · AI应用
人形机器人开发
NVIDIA解决了开发能够在以人为中心的环境中有效运行的人形机器人的挑战，这些环境要求适应性和精确性。为此，该组织采用NVIDIA Isaac和NVIDIA Omniverse等尖端平台，在高度逼真的仿真中训练机器人。这种方法不仅通过使用合成数据加速了训练过程，还增强了机器人在感知、操作和移动方面的技能。因此，NVIDIA的进步使机器人能够无缝适应各种任务，显著提高其在现实应用中的整体性能和功能。
01
业务背景
NVIDIA解决了开发能够在以人为中心的环境中有效运行的人形机器人的挑战，这些环境要求适应性和精确性。为此，该组织采用NVIDIA Isaac和NVIDIA Omniverse等尖端平台，在高度逼真的仿真中训练机器人。这种方法不仅通过使用合成数据加速了训练过程，还增强了机器人在感知、操作和移动方面的技能。因此，NVIDIA的进步使机器人能够无缝适应各种任务，显著提高其在现实应用中的整体性能和功能。
02
遇到的问题
构建人形机器人面临层层的复杂性和工程挑战，包括复制人类般的感知、自由度、灵巧性、移动性、认知和全身控制。同时，机器人需要实时处理大量数据，自主进行感知、规划和行动。
03
AI 解决方案
采用三台计算机解决方案加速全流程：在NVIDIA DGX超算上训练生成式物理AI与机器人基础模型，在OVX系统上利用Omniverse平台、Isaac Sim和Isaac Lab进行合成数据生成、机器人学习与高保真仿真验证，最终将经过验证的模型部署至基于Blackwell架构的Jetson Thor边缘计算平台，使机器人能自主运行低延迟高吞吐量的推理。通过Isaac GR00T开源参考平台及跨具身基础模型，实现从仿真到现实的无缝迁移。
- 1使用NVIDIA DGX超级计算机（配备H100或B100处理器）训练机器人基础模型和生成式物理AI模型
- 2在NVIDIA OVX系统上利用Isaac Sim、Isaac Lab及Omniverse平台进行合成数据生成、机器人策略学习与仿真测试验证
- 3将训练好的策略部署到基于NVIDIA Blackwell架构的Jetson Thor担载计算机上，在真实机器人上运行实时推理与环境交互
04
实施结果
该案例未在来源材料中披露量化效果指标，具体成效请参考下方信息来源。
05
风险与边界
未披露
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。