“洞悉 Omniverse”系列文章將重點介紹藝術家、開發者和企業如何使用通用場景描述和 NVIDIA Omniverse 的最新技術改變其工作流程。

適用于合成運動數據的 NVIDIA Isaac GR00T Blueprint 大幅加快人形機器人的數據生成和訓練速度。

人形機器人正在迅速成為現實。基于 NVIDIA Isaac GR00T 的人形機器人已開始學習行走、操縱物體和與現實世界進行交互。

但收集用于訓練這些復雜機器的各種大型數據集既費時又費錢。通過使用由達到物理精確的數字孿生生成的合成數據（SDG），研究者和開發者可在將 AI 模型部署到現實世界之前，先在仿真中對其進行訓練和驗證。

通用場景描述（OpenUSD）是一個功能強大的框架，它讓構建這些達到物理精確的虛擬環境變得簡單。而在構建 3D 環境后，團隊可以使用 OpenUSD 開發詳細、可擴展的仿真以及逼真的場景，讓機器人在里面練習、學習和提高技能。

這些合成數據對于人形機器人學習類似人類的行為（例如行走、抓取物體和在復雜環境中穿梭）至關重要。OpenUSD 正在推動人形機器人的發展，并為這些機器在未來完全融入人們的日常生活創造條件。

借助 OpenUSD 驅動的 NVIDIA Omniverse 平臺，開發者能夠統一來自 3DCAD、數字內容創建（DCC）工具等不同來源的 3D 資產，進而構建大規模 3D 虛擬環境和運行復雜的仿真來訓練機器人。這不但簡化了整個流程，而且還讓協作和開發物理 AI 變得更加快速、經濟。

使用合成運動數據推進機器人訓練

在 CES25 上，NVIDIA 發布了用于合成運動生成的 Isaac GR00T Blueprint。該藍圖能夠幫助開發者生成比原來多數倍的合成運動數據集，以便使用仿真學習訓練人形機器人。

此次發布的重點內容包括：

大規模運動數據生成：使用仿真和生成式 AI 技術生成指數級龐大且多樣化的人動作數據集，加快數據采集過程。

更快的數據擴充速度：NVIDIA Cosmos 世界基礎模型使用來自 Omniverse 的 ground-truth 仿真大規模生成逼真的視頻，使開發者能夠更快擴充用于訓練物理 AI 模型的合成數據集，縮小從仿真到現實的差距。

以仿真為中心的訓練：開發者可以在虛擬環境中訓練機器人，而不是僅依賴現實世界中的測試，這讓訓練過程變得更加快速和經濟。

連接虛擬與現實：通過將真實數據和合成數據與基于仿真的訓練和測試相結合，開發者能夠把機器人在虛擬世界中學到的技能無縫遷移到現實世界。

實現對未來機器人的仿真

人形機器人正在通過實現復雜任務的自動化和增加對人類工人的安全保障，提高自身在制造、倉儲物流、醫療等行業的效率、安全性和適應性。

Boston Dynamics、Figure 等大型機器人公司已開始使用 Isaac GR00T 并展示成果。

Scaled Foundations 正在降低從機械臂到人形機器人等各種形態的機器人的開發門檻。該公司的 Open GRID Platform 集成了 NVIDIA Isaac Sim，使開發者能夠簡單通過一個易于使用、基于瀏覽器的開發環境進行機器人仿真。