電子發(fā)燒友網(wǎng)報道（文 / 吳子鵬） 日前，在 NVIDIA 的 GTC 大會上，該公司發(fā)布了一系列助力人形機器人開發(fā)的重要方案，其中包括首個開源人形機器人基礎(chǔ)模型 Isaac GR00T N1、新一代開源物理引擎 Newton，以及用于合成數(shù)據(jù)生成的全新 Omniverse Blueprint 和開源數(shù)據(jù)集。這些方案旨在幫助人形機器人方案公司攻克開發(fā)門檻高、物理仿真精度低、應(yīng)用拓展難以及行業(yè)標準缺失等難題。?

開啟人形機器人開發(fā)效率革命?

人形機器人構(gòu)建的是一個“人 - 機 - 環(huán)境”深度交互的復雜生態(tài)系統(tǒng)。現(xiàn)階段，針對每一項具體且精細的動作任務(wù)，都需單獨開發(fā)并調(diào)校相應(yīng)的算法模型，這導致不同組件或子系統(tǒng)之間兼容性與互操作性欠佳，嚴重影響人形機器人的整體性能與運行效率。此外，由于軟硬件解耦難度大，使得人形機器人的調(diào)試周期漫長，還容易出現(xiàn)動作延遲或精度損失的情況。?

NVIDIA 發(fā)布的 GR00T N1 基礎(chǔ)模型，作為首個完全可定制的人形機器人基礎(chǔ)模型，具備通用技能，如多步操作、物體轉(zhuǎn)移等，還擁有推理能力。開發(fā)者無需從頭開始訓練，可直接基于該模型快速開發(fā)適用于物流、清潔等特定場景的應(yīng)用。?

在此過程中，GR00T N1 基礎(chǔ)模型借鑒了人類認知原理，提供了一套雙系統(tǒng)架構(gòu)方法論。其中，“系統(tǒng) 1” 是一個快速思考的動作模型，反映人類本能反應(yīng)或直覺?！跋到y(tǒng) 2” 則是慢思考模型，用于進行深度思考后的決策制定。系統(tǒng) 2 由視覺語言模型提供支持，它會對所處環(huán)境及接收到的指令進行推理，進而規(guī)劃行動。隨后，系統(tǒng) 1 將這些規(guī)劃轉(zhuǎn)化為精確、連續(xù)的機器人運動。系統(tǒng) 1 是基于人類演示數(shù)據(jù)以及 NVIDIA Omniverse?平臺生成的海量合成數(shù)據(jù)進行訓練的。?

正如 NVIDIA 創(chuàng)始人兼 CEO 黃仁勛所說：“通用機器人的時代已經(jīng)來臨，借助 NVIDIA Isaac GR00T N1 以及新的數(shù)據(jù)生成和機器人學習框架，全球機器人開發(fā)者將開啟 AI 時代的全新篇章?！?

實現(xiàn)物理仿真精度的重大突破?

在人形機器人開發(fā)過程中，高精度仿真能夠模擬真實物理環(huán)境中的力學、運動學特性，例如關(guān)節(jié)扭矩、重心偏移等，確保機器人動作符合物理規(guī)律，避免因動力學誤差導致實際測試失敗。一個優(yōu)秀的仿真平臺允許在虛擬環(huán)境中反復優(yōu)化機械結(jié)構(gòu)，如材料強度、關(guān)節(jié)自由度，以及控制系統(tǒng)，如步態(tài)算法，從而降低物理原型機的重復制造和調(diào)試成本。?

為此，NVIDIA 宣布與 Google DeepMind 和 Disney Research 展開合作，共同開發(fā)開源物理引擎 Newton。這一引擎能讓機器人以更高精度處理復雜任務(wù)。據(jù)悉，Newton 基于 NVIDIA Warp 框架進行優(yōu)化，支持復雜任務(wù)的高精度模擬，并且兼容 MuJoCo 等現(xiàn)有框架，未來還將集成迪士尼的物理技術(shù)。Google DeepMind 正在與 NVIDIA 合作開發(fā) MuJoCo-Warp，預計可將機器人機器學習工作負載的處理速度提升 70 倍以上，并將通過 Google DeepMind 的 MJX 開源庫和 Newton 提供給開發(fā)者。?

物理仿真精度是人形機器人實現(xiàn) “設(shè)計 - 開發(fā) - 部署” 閉環(huán)的核心支撐，直接關(guān)系到開發(fā)效率、算法可靠性以及規(guī)模化落地能力。物理引擎 Newton 針對機器人學習進行優(yōu)化，可精確模擬關(guān)節(jié)扭矩、摩擦力、碰撞反饋等物理特性，提升運動控制算法，如雙足平衡、步態(tài)規(guī)劃的魯棒性，降低實際部署中硬件損傷的風險。?

更好地滿足機器人后訓練數(shù)據(jù)需求?

人形機器人要實現(xiàn)落地應(yīng)用，后訓練環(huán)節(jié)至關(guān)重要。機器人后訓練數(shù)據(jù)指的是模型在預訓練基礎(chǔ)上，針對特定任務(wù)、場景或硬件進行微調(diào)所需的專項數(shù)據(jù)。這類數(shù)據(jù)直接影響模型的泛化能力、任務(wù)精度以及落地效率。?

目前，人形機器人行業(yè)發(fā)展面臨兩大困境。一是數(shù)據(jù)規(guī)模嚴重不足，若采用傳統(tǒng)方式獲取人機交互數(shù)據(jù)，成本極高；二是數(shù)據(jù)質(zhì)量參差不齊，第三方數(shù)據(jù)供應(yīng)商提供的原始數(shù)據(jù)經(jīng)篩選后，實際可用率常常不足 10%。低質(zhì)量數(shù)據(jù)不僅無法提升模型性能，甚至可能引入噪聲，導致訓練崩潰。?

NVIDIA Isaac GR00T Blueprint 在解決人形機器人后訓練數(shù)據(jù)不足問題上優(yōu)勢顯著。該藍圖基于 Omniverse 和 NVIDIA Cosmos Transfer 世界基礎(chǔ)模型構(gòu)建。通過少量人類演示，短短 11 小時內(nèi)就能生成 780,000 個合成軌跡，相當于 6,500 小時，即連續(xù)九個月的人類演示數(shù)據(jù)。將合成數(shù)據(jù)與真實數(shù)據(jù)結(jié)合后，GR00T N1 的任務(wù)成功率提升了 40%，充分證明合成數(shù)據(jù)能有效彌補真實數(shù)據(jù)的局限性。同時，合成數(shù)據(jù)可用于預訓練，真實數(shù)據(jù)用于微調(diào)，從而平衡模型的通用性與實際場景適配性。?

結(jié)語?

《2024 全球機器人市場報告》顯示，人形機器人領(lǐng)域研發(fā)投入年增速已達 38%，但開發(fā)周期長、數(shù)據(jù)獲取成本高仍是行業(yè)痛點。隨著 NVIDIA 發(fā)布 GR00T N1 基礎(chǔ)模型、Newton 物理引擎及合成數(shù)據(jù)方案，人形機器人的開發(fā)效率和物理仿真精度得到顯著提升，后訓練數(shù)據(jù)獲取也更為高效，有力地加速了人形機器人的商業(yè)化落地進程。此外，GTC 還宣布推出 NVIDIA DGX Spark，這是一款個人 AI 超級計算機，為開發(fā)者提供一站式系統(tǒng)，可將 GR00T N1 的功能拓展至新機器人、任務(wù)和環(huán)境，且無需進行大量自定義編程。?