電子發(fā)燒友網(wǎng)報(bào)道（文 / 吳子鵬） 日前，在 NVIDIA 的 GTC 大會(huì)上，該公司發(fā)布了一系列助力人形機(jī)器人開(kāi)發(fā)的重要方案，其中包括首個(gè)開(kāi)源人形機(jī)器人基礎(chǔ)模型 Isaac GR00T N1、新一代開(kāi)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(kāi)源數(shù)據(jù)集。這些方案旨在幫助人形機(jī)器人方案公司攻克開(kāi)發(fā)門檻高、物理仿真精度低、應(yīng)用拓展難以及行業(yè)標(biāo)準(zhǔn)缺失等難題。?

開(kāi)啟人形機(jī)器人開(kāi)發(fā)效率革命?

人形機(jī)器人構(gòu)建的是一個(gè)“人 - 機(jī) - 環(huán)境”深度交互的復(fù)雜生態(tài)系統(tǒng)。現(xiàn)階段，針對(duì)每一項(xiàng)具體且精細(xì)的動(dòng)作任務(wù)，都需單獨(dú)開(kāi)發(fā)并調(diào)校相應(yīng)的算法模型，這導(dǎo)致不同組件或子系統(tǒng)之間兼容性與互操作性欠佳，嚴(yán)重影響人形機(jī)器人的整體性能與運(yùn)行效率。此外，由于軟硬件解耦難度大，使得人形機(jī)器人的調(diào)試周期漫長(zhǎng)，還容易出現(xiàn)動(dòng)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(gè)完全可定制的人形機(jī)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(kāi)發(fā)者無(wú)需從頭開(kāi)始訓(xùn)練，可直接基于該模型快速開(kāi)發(fā)適用于物流、清潔等特定場(chǎng)景的應(yīng)用。?

在此過(guò)程中，GR00T N1 基礎(chǔ)模型借鑒了人類認(rèn)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(gè)快速思考的動(dòng)作模型，反映人類本能反應(yīng)或直覺(jué)。“系統(tǒng) 2” 則是慢思考模型，用于進(jìn)行深度思考后的決策制定。系統(tǒng) 2 由視覺(jué)語(yǔ)言模型提供支持，它會(huì)對(duì)所處環(huán)境及接收到的指令進(jìn)行推理，進(jìn)而規(guī)劃行動(dòng)。隨后，系統(tǒng) 1 將這些規(guī)劃轉(zhuǎn)化為精確、連續(xù)的機(jī)器人運(yùn)動(dòng)。系統(tǒng) 1 是基于人類演示數(shù)據(jù)以及 NVIDIA Omniverse?平臺(tái)生成的海量合成數(shù)據(jù)進(jìn)行訓(xùn)練的。?

正如 NVIDIA 創(chuàng)始人兼 CEO 黃仁勛所說(shuō)：“通用機(jī)器人的時(shí)代已經(jīng)來(lái)臨，借助 NVIDIA Isaac GR00T N1 以及新的數(shù)據(jù)生成和機(jī)器人學(xué)習(xí)框架，全球機(jī)器人開(kāi)發(fā)者將開(kāi)啟 AI 時(shí)代的全新篇章。”?

實(shí)現(xiàn)物理仿真精度的重大突破?

在人形機(jī)器人開(kāi)發(fā)過(guò)程中，高精度仿真能夠模擬真實(shí)物理環(huán)境中的力學(xué)、運(yùn)動(dòng)學(xué)特性，例如關(guān)節(jié)扭矩、重心偏移等，確保機(jī)器人動(dòng)作符合物理規(guī)律，避免因動(dòng)力學(xué)誤差導(dǎo)致實(shí)際測(cè)試失敗。一個(gè)優(yōu)秀的仿真平臺(tái)允許在虛擬環(huán)境中反復(fù)優(yōu)化機(jī)械結(jié)構(gòu)，如材料強(qiáng)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(jī)的重復(fù)制造和調(diào)試成本。?

為此，NVIDIA 宣布與 Google DeepMind 和 Disney Research 展開(kāi)合作，共同開(kāi)發(fā)開(kāi)源物理引擎 Newton。這一引擎能讓機(jī)器人以更高精度處理復(fù)雜任務(wù)。據(jù)悉，Newton 基于 NVIDIA Warp 框架進(jìn)行優(yōu)化，支持復(fù)雜任務(wù)的高精度模擬，并且兼容 MuJoCo 等現(xiàn)有框架，未來(lái)還將集成迪士尼的物理技術(shù)。Google DeepMind 正在與 NVIDIA 合作開(kāi)發(fā) MuJoCo-Warp，預(yù)計(jì)可將機(jī)器人機(jī)器學(xué)習(xí)工作負(fù)載的處理速度提升 70 倍以上，并將通過(guò) Google DeepMind 的 MJX 開(kāi)源庫(kù)和 Newton 提供給開(kāi)發(fā)者。?

物理仿真精度是人形機(jī)器人實(shí)現(xiàn) “設(shè)計(jì) - 開(kāi)發(fā) - 部署” 閉環(huán)的核心支撐，直接關(guān)系到開(kāi)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(duì)機(jī)器人學(xué)習(xí)進(jìn)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(yùn)動(dòng)控制算法，如雙足平衡、步態(tài)規(guī)劃的魯棒性，降低實(shí)際部署中硬件損傷的風(fēng)險(xiǎn)。?

更好地滿足機(jī)器人后訓(xùn)練數(shù)據(jù)需求?

人形機(jī)器人要實(shí)現(xiàn)落地應(yīng)用，后訓(xùn)練環(huán)節(jié)至關(guān)重要。機(jī)器人后訓(xùn)練數(shù)據(jù)指的是模型在預(yù)訓(xùn)練基礎(chǔ)上，針對(duì)特定任務(wù)、場(chǎng)景或硬件進(jìn)行微調(diào)所需的專項(xiàng)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(jī)器人行業(yè)發(fā)展面臨兩大困境。一是數(shù)據(jù)規(guī)模嚴(yán)重不足，若采用傳統(tǒng)方式獲取人機(jī)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(shí)際可用率常常不足 10%。低質(zhì)量數(shù)據(jù)不僅無(wú)法提升模型性能，甚至可能引入噪聲，導(dǎo)致訓(xùn)練崩潰。?

NVIDIA Isaac GR00T Blueprint 在解決人形機(jī)器人后訓(xùn)練數(shù)據(jù)不足問(wèn)題上優(yōu)勢(shì)顯著。該藍(lán)圖基于 Omniverse 和 NVIDIA Cosmos Transfer 世界基礎(chǔ)模型構(gòu)建。通過(guò)少量人類演示，短短 11 小時(shí)內(nèi)就能生成 780,000 個(gè)合成軌跡，相當(dāng)于 6,500 小時(shí)，即連續(xù)九個(gè)月的人類演示數(shù)據(jù)。將合成數(shù)據(jù)與真實(shí)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(bǔ)真實(shí)數(shù)據(jù)的局限性。同時(shí)，合成數(shù)據(jù)可用于預(yù)訓(xùn)練，真實(shí)數(shù)據(jù)用于微調(diào)，從而平衡模型的通用性與實(shí)際場(chǎng)景適配性。?

結(jié)語(yǔ)?

《2024 全球機(jī)器人市場(chǎng)報(bào)告》顯示，人形機(jī)器人領(lǐng)域研發(fā)投入年增速已達(dá) 38%，但開(kāi)發(fā)周期長(zhǎng)、數(shù)據(jù)獲取成本高仍是行業(yè)痛點(diǎn)。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(jī)器人的開(kāi)發(fā)效率和物理仿真精度得到顯著提升，后訓(xùn)練數(shù)據(jù)獲取也更為高效，有力地加速了人形機(jī)器人的商業(yè)化落地進(jìn)程。此外，GTC 還宣布推出 NVIDIA DGX Spark，這是一款個(gè)人 AI 超級(jí)計(jì)算機(jī)，為開(kāi)發(fā)者提供一站式系統(tǒng)，可將 GR00T N1 的功能拓展至新機(jī)器人、任務(wù)和環(huán)境，且無(wú)需進(jìn)行大量自定義編程。?