CES 2025上，人形機(jī)器人新品密集發(fā)布，成為展會(huì)最大亮點(diǎn)之一。透過CES 2025不難看出，今年將成為全球人形機(jī)器人發(fā)展的關(guān)鍵之年，一大批人形機(jī)器人項(xiàng)目將開始規(guī)模化量產(chǎn)，產(chǎn)品功能豐富多元。

?
目前，已經(jīng)有包括Walker S1在內(nèi)的人形機(jī)器人入廠實(shí)習(xí)，也有非常多的陪伴型人形機(jī)器人進(jìn)入場(chǎng)景調(diào)試的關(guān)鍵環(huán)節(jié)。在這個(gè)過程中，如何讓人形機(jī)器人更好地理解真實(shí)的物理世界，成為產(chǎn)業(yè)爆發(fā)需要補(bǔ)齊的最后一環(huán)，也是NVIDIA的Isaac GR00T Blueprint、Cosmos世界基礎(chǔ)模型（WFM）和Jetson Thor芯片引起業(yè)界廣泛關(guān)注的原因。
?

人形機(jī)器人重點(diǎn)市場(chǎng)分析和技術(shù)前沿探索

隨著技術(shù)和產(chǎn)品逐漸成熟，全球人形機(jī)器人市場(chǎng)發(fā)展迸發(fā)出澎湃的動(dòng)能。高盛在報(bào)告中預(yù)測(cè)稱，到2035年全球人形機(jī)器人出貨量將達(dá)140萬臺(tái)，市場(chǎng)規(guī)模約380億美元。這一預(yù)測(cè)相較于該機(jī)構(gòu)約兩年前的預(yù)測(cè)（約60億美元）增長(zhǎng)了6倍多。根據(jù)中國信息通信研究院發(fā)布的《人形機(jī)器人產(chǎn)業(yè)研究報(bào)告（2024版）》，人形機(jī)器人發(fā)展大致分為5個(gè)階段，分別是：
·Lv1基礎(chǔ)能力實(shí)現(xiàn)：具備穩(wěn)定地走、跑、跳功能和初步的交互能力；
·Lv2初級(jí)智能實(shí)現(xiàn)：特定場(chǎng)景下的特定功能，結(jié)構(gòu)化任務(wù)，泛化能力較弱；
·Lv3場(chǎng)景智能實(shí)現(xiàn)：特定場(chǎng)景下能夠完成大部分非結(jié)構(gòu)化任務(wù)，具備一定泛化能力；
·Lv4多場(chǎng)景適配：在多個(gè)場(chǎng)景均能夠完成大部分非結(jié)構(gòu)化的任務(wù)，不少于3個(gè)場(chǎng)景；
·Lv5全面智能實(shí)現(xiàn)：實(shí)現(xiàn)真正的具身智能，通過簡(jiǎn)單的學(xué)習(xí)即可完成各類任務(wù)。
?
如下圖所示，當(dāng)?shù)竭_(dá)Lv5階段時(shí)，全球人形機(jī)器人的部署規(guī)模將超過1億臺(tái)，市場(chǎng)規(guī)模將達(dá)到約10萬億元，其中工業(yè)和服務(wù)場(chǎng)景是主要的落地領(lǐng)域。NVIDIA 機(jī)器人與邊緣計(jì)算副總裁Deepu Talla表示，“在我的觀念里，機(jī)器人是人工智能最大的應(yīng)用方向之一。”有三大推動(dòng)因素讓機(jī)器人變得不可或缺，包括工作演變和職業(yè)選擇造成的勞動(dòng)力短缺，礦工等工種依然在危險(xiǎn)環(huán)境中進(jìn)行作業(yè)，以及人類壽命延長(zhǎng)和社會(huì)老齡化帶來的養(yǎng)老問題。毫無疑問，在這些場(chǎng)景里，人形機(jī)器人作為目前最智慧的機(jī)器人形態(tài)，有著更好的通用性，也有著光明的市場(chǎng)前景。
?

人形機(jī)器人發(fā)展階段分析，圖源：中國信息通信研究院

?
目前，全球人形機(jī)器人發(fā)展主要處于Lv1和Lv2階段，進(jìn)入實(shí)習(xí)階段、應(yīng)用于工業(yè)場(chǎng)景的人形機(jī)器人產(chǎn)品大都處于Lv2階段，代表著產(chǎn)業(yè)技術(shù)的最前沿。人形機(jī)器人對(duì)于“人形”的追求主要是為了塑造等同于人類的通用能力，從“專機(jī)專用”逐步走向“一機(jī)多用”。從事工業(yè)制造的人形機(jī)器人將從封閉式的工位逐步擴(kuò)展到整個(gè)工廠；從事服務(wù)類型的人形機(jī)器人將會(huì)邁出家門走向全社會(huì)。
?
要實(shí)現(xiàn)人形機(jī)器人的通用能力需要強(qiáng)化機(jī)器人的“大腦”“小腦”和“肢體”能力，這些功能單元分別負(fù)責(zé)人形機(jī)器人的任務(wù)調(diào)度、運(yùn)動(dòng)控制和感知執(zhí)行。Deepu Talla認(rèn)為，當(dāng)前全球人形機(jī)器人市場(chǎng)爆發(fā)主要受益于技術(shù)的進(jìn)步和仿真環(huán)境的改進(jìn)，涉及人形機(jī)器人的模型訓(xùn)練、環(huán)境感知和最終部署。因此，打造人形機(jī)器人需要用到“三臺(tái)計(jì)算機(jī)”：
·第一臺(tái)計(jì)算機(jī)用于訓(xùn)練：訓(xùn)練通常在云端、數(shù)據(jù)中心或NVIDIA DGX這樣的強(qiáng)大平臺(tái)上進(jìn)行，是構(gòu)建機(jī)器人“大腦”的關(guān)鍵步驟。比如開發(fā)人員可以在NVIDIA DGX平臺(tái)上使用NVIDIA NeMo來訓(xùn)練和微調(diào)生成式AI模型，讓人形機(jī)器人變得更加智慧。
?
·第二臺(tái)計(jì)算機(jī)用于仿真：仿真平臺(tái)和模擬環(huán)境讓訓(xùn)練完成的人形機(jī)器人避免進(jìn)行效率低、成本高、風(fēng)險(xiǎn)高的物理測(cè)試。通過“數(shù)字孿生”的方式，開發(fā)人員可以在NVIDIA OVX服務(wù)器上運(yùn)行的NVIDIA Omniverse里構(gòu)建一個(gè)仿真層，在虛擬環(huán)境中完成人形機(jī)器人的功能測(cè)試。仿真允許在大規(guī)模、快速且安全的條件下運(yùn)行數(shù)千種場(chǎng)景測(cè)試，而無需受到真實(shí)世界時(shí)間和成本的限制。開發(fā)人員還可以使用NVIDIA Isaac Lab，這個(gè)開源的機(jī)器人學(xué)習(xí)框架能夠顯著提升人形機(jī)器人訓(xùn)練和調(diào)優(yōu)的效率。
?

開發(fā)人員可以在極其逼真的虛擬環(huán)境下進(jìn)行人形機(jī)器人測(cè)試，圖源：NVIDIA

?
·第三臺(tái)計(jì)算機(jī)用于部署：訓(xùn)練和測(cè)試完成的模型和系統(tǒng)需要部署到人形機(jī)器人內(nèi)部，作為機(jī)器人的“大腦”。比如，NVIDIA Jetson Thor計(jì)算機(jī)系統(tǒng)便是NVIDIA專門為人形機(jī)器人打造的緊湊型計(jì)算平臺(tái)。
?
從目前產(chǎn)業(yè)發(fā)展現(xiàn)狀來看，用于訓(xùn)練、仿真和部署的高性能計(jì)算系統(tǒng)，在性能提高上可謂是高歌猛進(jìn)，但如何利用好這些硬件進(jìn)行訓(xùn)練、仿真還存在一些不足，且已經(jīng)逐漸演化為人形機(jī)器人產(chǎn)業(yè)發(fā)展的瓶頸。其中一個(gè)很突出的產(chǎn)業(yè)痛點(diǎn)是用于模仿學(xué)習(xí)的專家數(shù)據(jù)，無論是獲取效率還是數(shù)據(jù)量都不能很好地滿足當(dāng)前人形機(jī)器人爆發(fā)對(duì)于參考演示數(shù)據(jù)集的需求。
?
具體而言，多角度對(duì)人模仿是人形機(jī)器人功能實(shí)現(xiàn)的主要技術(shù)邏輯，然而目前作為人形機(jī)器人“大腦”的AI大模型普遍采用的是基于視覺或語音的感知模態(tài)，對(duì)于真實(shí)物理環(huán)境的理解存在著非常大的限制，尤其是泛化能力方面，現(xiàn)階段的人形機(jī)器人在應(yīng)對(duì)新環(huán)境和新任務(wù)時(shí)的表現(xiàn)往往不盡如人意。
?
模仿學(xué)習(xí)是人形機(jī)器人訓(xùn)練和測(cè)試調(diào)優(yōu)的關(guān)鍵所在，主要方式包括行為克隆（Behavior Cloning）、逆向強(qiáng)化學(xué)習(xí)（Inverse Reinforcement Learning）等實(shí)現(xiàn)方式，無論是哪種方式都需要大量的數(shù)據(jù)作為參考。為了提升基于有限數(shù)據(jù)訓(xùn)練算法模型的效果，開發(fā)人員在開發(fā)模仿學(xué)習(xí)算法模型時(shí)，很多時(shí)候會(huì)選擇DAgger（人類對(duì)不好效果進(jìn)行重新演示）或模仿給定策略（通過獎(jiǎng)勵(lì)網(wǎng)絡(luò)盡量擬合提供的示教數(shù)據(jù)）等措施，不過這些措施都有一些先天的不足。
?
比如，DAgger依賴人工去調(diào)優(yōu)一些不好的訓(xùn)練結(jié)果，這種方式效率很低，且很多機(jī)器人要實(shí)現(xiàn)的策略是人類無法實(shí)現(xiàn)的，像超高精度的手部控制，六軸陀螺儀動(dòng)作校準(zhǔn)等；GAIL（Generative Adversarial Imitation Learning）便是逆向強(qiáng)化學(xué)習(xí)中一種示例模擬算法，不過這些策略也可能會(huì)因?yàn)閷＜覕?shù)據(jù)不足而導(dǎo)致無法收斂的情況，得不到滿意的調(diào)優(yōu)結(jié)果。
?

DAgger算法示例，圖源：騰訊云開發(fā)人員社區(qū)

?
并且，之前各種訓(xùn)練和仿真機(jī)制實(shí)際上都不能反饋出人形機(jī)器人對(duì)物理世界的真實(shí)反饋，在實(shí)際部署過程中會(huì)出現(xiàn)大量超出訓(xùn)練和測(cè)試范疇的情況。過往，人形機(jī)器人需要在漫長(zhǎng)的實(shí)習(xí)期內(nèi)進(jìn)行大量的反復(fù)校準(zhǔn)，以盡可能去突破真實(shí)工作環(huán)境造成的行為約束，這種方式費(fèi)時(shí)費(fèi)力。因而，將物理AI引入人形機(jī)器人訓(xùn)練和仿真環(huán)節(jié)已經(jīng)刻不容緩。
?

Isaac GR00T Blueprint讓人形機(jī)器人更好地理解物理世界

作為物理學(xué)與AI技術(shù)相互交融的前沿領(lǐng)域，物理AI是生成式AI下一步發(fā)展的重點(diǎn)方向之一。根據(jù)NVIDIA官網(wǎng)的術(shù)語解讀，物理AI是指使用運(yùn)動(dòng)技能理解現(xiàn)實(shí)世界并與之進(jìn)行交互的模型，通常封裝在機(jī)器人或自動(dòng)駕駛汽車等自主機(jī)器中。
?
如上所述，傳統(tǒng)的AI大模型是基于互聯(lián)網(wǎng)上現(xiàn)有的文本和圖片訓(xùn)練而得，訓(xùn)練數(shù)據(jù)類型讓這些模型具有驚人的邏輯、概念和語言能力，但對(duì)真實(shí)物理世界的了解卻非常有限。當(dāng)部署到智能手機(jī)、PC等終端時(shí)，這些AI大模型會(huì)有很好的效果，不過人形機(jī)器人需要作為智能體從事制造和服務(wù)等工作，與現(xiàn)實(shí)世界之間有大量的交互，此時(shí)傳統(tǒng)AI大模型作為人形機(jī)器人“大腦”就會(huì)受到大量的規(guī)則約束，自主性非常低。
?
物理AI通過3D訓(xùn)練數(shù)據(jù)和強(qiáng)化學(xué)習(xí)策略，為人形機(jī)器人的發(fā)展帶來了基于物理世界的強(qiáng)大模擬功能，提供安全受控的環(huán)境訓(xùn)練。有了物理世界的“數(shù)字孿生”，人形機(jī)器人等自主機(jī)器能夠在模擬物理環(huán)境下通過數(shù)千甚至數(shù)百萬次試錯(cuò)行為，安全快速地學(xué)習(xí)技能，顯著提升人形機(jī)器人在真實(shí)物理世界中的自主性，并增強(qiáng)人形機(jī)器人執(zhí)行任務(wù)的效率和準(zhǔn)確性。這便是CES 2025上NVIDIA推出Isaac GR00T Blueprint給人形機(jī)器人產(chǎn)業(yè)帶來的巨大價(jià)值。
?
Isaac GR00T Blueprint是專門用于合成運(yùn)動(dòng)軌跡生成的工作流，如下圖所示，Isaac GR00T Blueprint融合GR00T-Teleop工作流、GR00T-Mimic工作流和GR00T-Gen工作流，這一完整的工作流使得開發(fā)人員只需要少量人類示范，就能輕松生成海量的合成數(shù)據(jù)集。
?

Isaac GR00T Blueprint工作流，圖源：NVIDIA

?
Isaac GR00T Blueprint工作流解決了人形機(jī)器人訓(xùn)練和仿真環(huán)節(jié)的核心痛點(diǎn)——數(shù)據(jù)獲取成本高、效率低，以及3D數(shù)據(jù)集缺失。在數(shù)據(jù)獲取環(huán)節(jié)，開發(fā)人員可以通過 GR00T-Teleop工作流和虛擬現(xiàn)實(shí)設(shè)備進(jìn)行動(dòng)作示范，和DAgger等算法模型采用的人工反復(fù)調(diào)優(yōu)不同，GR00T-Teleop工作流能夠記錄下開發(fā)人員少量的示范動(dòng)作，并作為模仿學(xué)習(xí)的“金標(biāo)準(zhǔn)”，然后讓人形機(jī)器人在虛擬環(huán)境下進(jìn)行大量試錯(cuò)，最終達(dá)成規(guī)范動(dòng)作。
?
Deepu Talla指出，和自動(dòng)駕駛能夠通過現(xiàn)有車輛獲取數(shù)據(jù)不同，現(xiàn)階段機(jī)器人的數(shù)量還不足以產(chǎn)生如此大的數(shù)據(jù)量，作為新興產(chǎn)品的人形機(jī)器人就更是如此了。因此，數(shù)據(jù)的稀缺性造成了傳統(tǒng)人形機(jī)器人訓(xùn)練和仿真的局限性，合成數(shù)據(jù)生成變得至關(guān)重要。GR00T-Mimic工作流和GR00T-Gen工作流則著重解決了這一難題，其中GR00T-Mimic工作流通過捕捉人類的示范動(dòng)作，可以擴(kuò)展生成更大的合成運(yùn)動(dòng)數(shù)據(jù)集；然后GR00T-Gen工作流借助NVIDIA Omniverse和NVIDIA Cosmos平臺(tái)，通過域隨機(jī)化和3D提升技術(shù)，進(jìn)一步指數(shù)級(jí)擴(kuò)展這一數(shù)據(jù)集。
?
在整個(gè)工作流中，NVIDIA最新推出的Cosmos是一個(gè)用于加速物理AI開發(fā)的平臺(tái)，包含一系列開放的預(yù)訓(xùn)練世界基礎(chǔ)模型，可以預(yù)測(cè)和生成虛擬環(huán)境未來狀態(tài)的物理感知視頻的神經(jīng)網(wǎng)絡(luò)。Cosmos平臺(tái)的推出解決了人形機(jī)器人環(huán)境數(shù)據(jù)稀缺的問題，支持開發(fā)人員直接使用Cosmos模型生成符合物理學(xué)規(guī)律的合成數(shù)據(jù)，或利用NVIDIA NeMo框架，根據(jù)自己的視頻對(duì)模型進(jìn)行微調(diào)，以實(shí)現(xiàn)特定物理AI設(shè)置，在仿真環(huán)境中調(diào)優(yōu)各種人形機(jī)器人功能。根據(jù)NVIDIA官方分享的數(shù)據(jù)，Cosmos平臺(tái)已基于2000萬小時(shí)的真實(shí)世界人類互動(dòng)、環(huán)境、工業(yè)、機(jī)器人和駕駛數(shù)據(jù)，訓(xùn)練了9000萬億個(gè)token。因此，Cosmos平臺(tái)為開發(fā)人員帶來倍增的工作效率，相較于目前先進(jìn)的tokenizer，Cosmos tokenizer的總壓縮率高8倍，處理速度快12倍。
?

Cosmos世界基礎(chǔ)模型，圖源：NVIDIA

?
通過Isaac GR00T Blueprint工作流和Cosmos世界基礎(chǔ)模型，NVIDIA幫助開發(fā)人員鋪平了人形機(jī)器人從實(shí)驗(yàn)室走向真實(shí)物理世界的道路，克服了人形機(jī)器人因部署量小而造成的數(shù)據(jù)短缺問題。同時(shí)，憑借NVIDIA Isaac GR00T、Omniverse和Cosmos等平臺(tái)，NVIDIA提供了全球領(lǐng)先的人形機(jī)器人生態(tài)系統(tǒng)，擁有數(shù)量龐大的人形機(jī)器人合作伙伴群體。比如，波士頓動(dòng)力、Figure和銀河通用等人形機(jī)器人公司正在使用Isaac GR00T開發(fā)自己的人形機(jī)器人系統(tǒng)；1X、Agile Robots、Agility、Uber等公司已經(jīng)開始使用Cosmos世界基礎(chǔ)模型。
?

高性能計(jì)算芯片是實(shí)現(xiàn)物理AI的關(guān)鍵

綜上所述，物理AI的融入將進(jìn)一步激發(fā)人形機(jī)器人的發(fā)展?jié)撃埽琁saac GR00T Blueprint工作流和Cosmos世界基礎(chǔ)模型的推出，解決了人形機(jī)器人訓(xùn)練數(shù)據(jù)短缺問題，尤其是讓人形機(jī)器人更好地理解現(xiàn)實(shí)世界的3D數(shù)據(jù)集短缺問題，打通了人形機(jī)器人規(guī)模化落地的“最后一公里”。
?
想要更好地使用Isaac GR00T Blueprint工作流和Cosmos世界基礎(chǔ)模型，離不開NVIDIA提供的豐富的硬件資源。比如，在Isaac GR00T Blueprint工作流中，Cosmos世界基礎(chǔ)模型和NVIDIA Omniverse的配合實(shí)現(xiàn)了數(shù)據(jù)集指數(shù)級(jí)擴(kuò)展，這個(gè)過程中，運(yùn)轉(zhuǎn)Cosmos就需要強(qiáng)大的NVIDIA計(jì)算芯片作為支撐。根據(jù)測(cè)試數(shù)據(jù)，在等效功耗的CPU系統(tǒng)上處理2000萬小時(shí)視頻數(shù)據(jù)將需要3年以上的時(shí)間，而在NVIDIA Hopper GPU運(yùn)轉(zhuǎn)Cosmos平臺(tái)僅用40天就能處理2000萬小時(shí)的數(shù)據(jù)，如果是采用NVIDIA Blackwell GPU，這一數(shù)字將進(jìn)一步縮短至14天。
?
實(shí)際上，NVIDIA在打造人形機(jī)器人所需要的三臺(tái)計(jì)算機(jī)方面，都能夠提供高性能計(jì)算系統(tǒng)。在訓(xùn)練方面，開發(fā)人員可以基于NVIDIA DGX平臺(tái)使用NVIDIA NeMo來訓(xùn)練和微調(diào)自己的人形機(jī)器人算法模型；在仿真方面，NVIDIA OVX服務(wù)器上運(yùn)轉(zhuǎn)的NVIDIA Omniverse提供了開發(fā)平臺(tái)和模擬環(huán)境，Cosmos平臺(tái)的加入進(jìn)一步強(qiáng)化了這種能力；在部署方面，NVIDIA Jetson機(jī)器人計(jì)算機(jī)為人形機(jī)器人提供高算力和高效能的平臺(tái)。
?
Jetson是NVIDIA專為機(jī)器人等邊緣AI應(yīng)用打造的緊湊型計(jì)算平臺(tái)，提供豐富的硬件以及預(yù)構(gòu)建和云原生軟件服務(wù)。其中，開發(fā)人員現(xiàn)階段可選的Jetson模組包括Jetson AGX Orin系列、Jetson Orin NX系列和Jetson AGX Xavier系列等。
?
Jetson Thor系列是NVIDIA即將推出的新一代專為人形機(jī)器人打造的緊湊型計(jì)算平臺(tái)，基于NVIDIA Thor系統(tǒng)級(jí)芯片。根據(jù)Deepu Talla透露，Jetson Thor平臺(tái)性能可達(dá)到1050 TOPS，功耗最高可達(dá)120瓦，是現(xiàn)階段最強(qiáng)大的人形機(jī)器人部署平臺(tái)。人形機(jī)器人需要應(yīng)對(duì)的環(huán)境和任務(wù)是復(fù)雜多樣的，開發(fā)人員為此創(chuàng)建了許多不同的 VLA（視覺、語言和動(dòng)作）模型，Jetson Thor系列能夠?yàn)檫@些模型提供充足的算力支持。
?
之所以能夠形成產(chǎn)品如此豐富的硬件矩陣，原因在于每一代GPU架構(gòu)都大致相同，這種架構(gòu)一致性確保了人形機(jī)器人等AI應(yīng)用在云端和端側(cè)部署的無縫連接和靈活性，讓人形機(jī)器人能夠應(yīng)對(duì)更多的場(chǎng)景和任務(wù)。當(dāng)然，每一代GPU架構(gòu)迭代也都會(huì)帶來巨大的芯片性能提升，NVIDIA Thor系統(tǒng)級(jí)芯片背后的Blackwell架構(gòu)便是該芯片成為最強(qiáng)大人形機(jī)器人部署平臺(tái)的關(guān)鍵因素之一。
?
對(duì)于Blackwell架構(gòu)大家已經(jīng)非常熟悉，作為NVIDIA最新一代GPU架構(gòu)，基于多代NVIDIA技術(shù)構(gòu)建，包括第二代 Transformer 引擎、Blackwell Tensor Core技術(shù)、NVIDIA TensorRT-LLM技術(shù)、NVIDIA機(jī)密計(jì)算技術(shù)、NVLink技術(shù)、解壓縮引擎等。同時(shí)，基于Blackwell架構(gòu)的GPU都采用先進(jìn)的制造工藝，包括專門定制的臺(tái)積電4NP工藝和雙倍光刻極限尺寸的裸片，并通過10 TB/s的片間互聯(lián)技術(shù)連接成一塊統(tǒng)一的GPU。這些關(guān)鍵的架構(gòu)創(chuàng)新讓Jetson Thor平臺(tái)有著出色的算力和能效表現(xiàn)，為搭載最領(lǐng)先模型的人形機(jī)器人提供硬件性能保障。
?

Blackwell架構(gòu)創(chuàng)新，圖源：NVIDIA

?

結(jié)語

正如Deepu Talla所言，目前人形機(jī)器人技術(shù)發(fā)展日新月異，還沒有哪一種VLA模型被行業(yè)認(rèn)定為是通用人形機(jī)器人落地的最佳方案。不過，人形機(jī)器人在發(fā)展初期，訓(xùn)練數(shù)據(jù)缺失的痛點(diǎn)是非常明顯的，尤其是提升環(huán)境交互能力的3D數(shù)據(jù)。由于缺乏這些數(shù)據(jù)，傳統(tǒng)人形機(jī)器人開發(fā)面臨人工調(diào)優(yōu)工作量大、強(qiáng)化學(xué)習(xí)模型不易收斂等問題，成為產(chǎn)業(yè)發(fā)展的掣肘。
?
通過推出Isaac GR00T Blueprint工作流和Cosmos世界基礎(chǔ)模型，NVIDIA幫助開發(fā)人員完善了模擬學(xué)習(xí)和強(qiáng)化學(xué)習(xí)工作流。通過多樣化的參考架構(gòu)，針對(duì)特定任務(wù)提供不同的Blueprints，以及全球領(lǐng)先的NVIDIA Omniverse 3D仿真環(huán)境，Isaac GR00T Blueprint最大程度地縮小了訓(xùn)練數(shù)據(jù)和現(xiàn)實(shí)世界之間的不一致，幫助人形機(jī)器人適應(yīng)真實(shí)的任務(wù)場(chǎng)景。
?
在這些工作流、世界基礎(chǔ)模型和仿真環(huán)境背后，NVIDIA提供豐富的硬件資源，覆蓋了人形機(jī)器人開發(fā)所需的“三臺(tái)計(jì)算機(jī)”需求，即將推出的Jetson Thor系列為各種技術(shù)路徑的人形機(jī)器人落地提供充足的算力支持。有了這些軟硬件資源，10萬億的全球人形機(jī)器人市場(chǎng)規(guī)模有望提前達(dá)成。
?