机器人前瞻12月4日报道，这两天，在亚马逊云科技re:Invent大会上，英伟达宣布推出了Isaac Sim 4.2。

Isaac Sim 是基于 NVIDIA Omniverse 开发的功能强大的仿真平台，供开发人员在基于物理的虚拟环境中模拟和测试 AI 驱动的机器人。

英伟达表示，Isaac Sim现已经由NVIDIA L40S GPUs 支持的Amazon Elastic Cloud Computing （EC2） G6e 实例上提供，可以使机器人模拟的规模翻倍并加速 AI 模型训练。 同时，借助云原生编排平台 NVIDIA OSMO，开发人员可以在其 AWS 计算基础设施中轻松管理复杂的机器人工作流。

英伟达 Omniverse 高级产品营销经理 Akhil Docca 提到：“在云端提供英伟达加速的硬件和软件，使任何规模的团队都可以扩展其物理 AI 工作流。

一、什么是物理AI？

早在今年6月的COMPUTEX大会上，英伟达创始人兼首席执行官黄仁勋就强调：“AI的新一波浪潮是物理AI。AI能够理解物理定律，并与人类并肩作战。”

根据英伟达在亚马逊云科技大会上的说法，“物理 AI”是指能够理解物理世界并与之交互的 AI 模型，它“体现了下一波自动驾驶机器”，例如自动驾驶汽车、工业机械手、移动机器人、类人机器人，甚至是工厂和仓库等机器人运行的基础设施。

英伟达认为，借助物理 AI，开发人员正在采用“three-computer solution”进行训练、模拟和推理，以取得突破。

 

▲英伟达为人形机器人开发者提供的“three-computer solution”

然而，在训练机器人系统的物理AI过程中，需要大量的训练数据集才能让机器人在部署中实现精确推理。但实际上，开发这类数据集成本非常高昂。

所以，英伟达确信，仿真为解决这样的问题提供了一个答案，因为它可以加速 AI 驱动机器人的训练、测试和部署。

二、性能比上一代翻倍，还能灵活扩展

英伟达表示，开发人员可以在部署机器人之前使用仿真来验证、确认和优化机器人设计以及系统及其算法，以实现最高效率。

由NVIDIA L40S GPU加速的亚马逊EC2 G6e实例在性能上比上一代架构提升了一倍，同时随着场景和模拟复杂性的增加，还能灵活扩展，机器人开发者可以使用这些实例来训练许多为AI驱动型机器人提供支持的计算机视觉模型。

这也意味着可以针对各种任务（从数据生成和模拟到模型训练）扩展相同的实例。英伟达补充说，无论是在本地还是在AWS云中，OSMO允许团队跨分布式计算资源编排和扩展复杂的机器人开发工作流程。

Isaac Sim还可以促进协作关键工作流程，例如生成用于感知模型训练的合成数据，Rendered.ai、SoftServe和Tata Consultancy Services等多家公司都已用其生成合成数据。

英伟达强调，Isaac Sim使开发人员能够在仿真环境中测试和验证机器人，而 Isaac Lab是一个基于Isaac Sim构建的开源机器人学习框架，能够利用Isaac Sim 的最新仿真功能，实现逼真场景的快速高效模拟，为机器人学习提供了强大的虚拟环境。

由于这些模拟是可重复的，开发人员可以进行故障排除并减少验证和测试所需的循环次数。

目前，已经有多家机器人初创公司如Field AI、Cobot、Swiss-Mil、Cohesive Robotics等在AWS上使用Isaac Sim。

结语：合成数据驱动机器人落地加速

一直以来，稀少的高质量标注数据是机器人从训练到落地过程中最大的掣肘。

在机器人底层模型的训练过程中，数据获取难度、获取成本、标注周期都远超语言模型。

而用合成数据代替真实数据、让机器人在仿真环境进行快速迭代，不失为一个更高效低成本、且真实可靠的解决方案，也加速了机器人走向各行各业中错综复杂的应用场景。