機器人正加速走向真實世界。從實驗室到工業(yè)現(xiàn)場，從結(jié)構(gòu)化環(huán)境到開放空間，物理 AI 對數(shù)據(jù)規(guī)模、物理準確性與訓(xùn)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(shù)據(jù)領(lǐng)域的合作伙伴，光輪智能聚焦物理 AI 領(lǐng)域的核心挑戰(zhàn)——機器人數(shù)據(jù)短缺問題，并基于 NVIDIA 技術(shù)棧構(gòu)建了仿真數(shù)據(jù)解決方案，為機器人基礎(chǔ)模型訓(xùn)練提供高質(zhì)量數(shù)據(jù)支持。

物理 AI 的“數(shù)據(jù)困境”

與依賴互聯(lián)網(wǎng)海量文本數(shù)據(jù)進行預(yù)訓(xùn)練的大語言模型不同，機器人領(lǐng)域缺乏相應(yīng)的數(shù)據(jù)基礎(chǔ)設(shè)施，這也成為了物理 AI 發(fā)展的根本矛盾。

在謝晨博士看來，機器人基礎(chǔ)模型的發(fā)展面臨巨大的數(shù)據(jù)短缺。與大語言模型不同，現(xiàn)實世界中沒有足夠的機器人持續(xù)采集數(shù)據(jù)。因此，必須在仿真環(huán)境中，通過人類遙操生成足夠的數(shù)據(jù)來訓(xùn)練機器人基礎(chǔ)模型。

在 SIGGRAPH 2025，謝晨博士進一步解釋了機器人領(lǐng)域面臨的數(shù)據(jù)挑戰(zhàn)。在他看來，物理 AI 的數(shù)據(jù)問題比大語言模型的數(shù)據(jù)問題大 1000 倍?，F(xiàn)實世界中部署的機器人數(shù)量遠遠不足以支撐基礎(chǔ)模型所需的數(shù)據(jù)規(guī)模，而合成數(shù)據(jù)成為突破這一瓶頸的關(guān)鍵路徑。

基于 NVIDIA 技術(shù)棧的一站式解決方案

為了推動物理 AI 的發(fā)展，NVIDIA 持續(xù)構(gòu)建從底層標準、仿真平臺到云端基礎(chǔ)設(shè)施的完整技術(shù)體系，為機器人開發(fā)者提供統(tǒng)一、可擴展的技術(shù)基礎(chǔ)。作為 NVIDIA 在機器人仿真與合成數(shù)據(jù)領(lǐng)域的合作伙伴，光輪智能基于 NVIDIA 技術(shù)棧的全面支持及深度技術(shù)整合，為機器人開發(fā)者打造了一站式平臺。通過這一平臺，開發(fā)者能夠獲得從場景構(gòu)建、模型訓(xùn)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(chǎn)品出發(fā)，創(chuàng)建高質(zhì)量的 SimReady 資產(chǎn)，并讓用戶能夠輕松搜索、驗證和使用這些資產(chǎn)。OpenUSD 能夠完整描述物理屬性，這使其成為物理 AI 仿真資產(chǎn)的理想基礎(chǔ)。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(huán)境部署機器人的客戶需求，構(gòu)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(shù)等物理細節(jié)都經(jīng)過精確建模，確保機器人在仿真中習(xí)得的“手感”能夠遷移到真實世界。

此外，在數(shù)據(jù)采集方面，光輪智能通過 NVIDIA Isaac Sim 構(gòu)建了人類遙操（human-in-the-loop）解決方案，讓人類操作員在仿真環(huán)境中演示操作，采集合成數(shù)據(jù)用于模型訓(xùn)練。云端基礎(chǔ)設(shè)施方面，NVIDIA Omniverse Cloud 為光輪智能的仿真云平臺提供支持，讓開發(fā)者能夠在云端進行大規(guī)模仿真。

這一完整的技術(shù)方案正在加速多個行業(yè)的應(yīng)用落地。光輪智能已為醫(yī)療手術(shù)機器人、智能制造產(chǎn)線、自動化化學(xué)實驗室、智慧農(nóng)業(yè)采摘等多個垂直領(lǐng)域提供數(shù)據(jù)支持。

以仿真為加速器

共同推動機器人產(chǎn)業(yè)演進

光輪智能致力于以仿真推動機器人行業(yè)的加速發(fā)展，這與 NVIDIA 的技術(shù)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(shù)，賦能光輪智能等行業(yè)生態(tài)伙伴一起，共同推動機器人產(chǎn)業(yè)的規(guī)?；涞?。