NVIDIA 发布三项关键技术，助力人形机器人开启新篇章

2025-10-14

电子发烧友网综合报道，在节前的机器人学习大会（CoRL）上，NVIDIA 发布了一系列突破性技术，涵盖开源物理引擎 Newton、机器人基础模型 Isaac GROOT N1.6 以及全新 AI 基础设施。这些技术为机器人研发提供了一套完整的解决方案，旨在缩小仿真与现实的差距，加快人形机器人从实验室走向实际应用的步伐。

Newton：精准仿真机器人“身体”的引擎

长久以来，人形机器人在关节控制、平衡调节和动作迁移方面存在难题，现有的物理引擎难以满足需求。此次 NVIDIA 联合 Google DeepMind、Disney Research 推出的开源物理引擎 Newton 打破了这一局面。它基于 NVIDIA Warp 和 OpenUSD 框架构建，由 Linux Foundation 管理，不仅能兼容多种物理求解器，还能精准仿真机器人在雪地、碎石路行走，以及操控杯子、水果等精细动作，并且可以安全可靠地将这些技能迁移到现实场景中。

苏黎世联邦理工学院机器人系统实验室、慕尼黑工业大学、北京大学等全球顶尖高校，以及光轮智能、Style3D 等机器人技术公司已率先运用 Newton 开展研发。NVIDIA Omniverse 与仿真技术副总裁 Rev Lebaredian 表示：“全球超过 25 万机器人开发者急需精准的物理仿真技术，确保在仿真环境中教会机器人技能并安全迁移到现实世界，Newton 正是解决这一痛点的关键工具。”

Isaac GROOT N1.6：赋予机器人“深度思考”能力

机器人不仅需要精准的动作控制，还需具备理解模糊指令和应对复杂场景的能力。NVIDIA Isaac GROOT N1.6 开源基础模型将为机器人赋予接近人类的推理能力，使其能够拆解复杂指令，并借助已有知识与常识执行任务。

该模型即将在 Hugging Face 平台上线，届时将集成 NVIDIA Cosmos Reason，这是一款专为物理 AI 打造的开源、可定制推理视觉语言模型。作为机器人的“深度思考大脑”，Cosmos Reason 能利用已有知识、常识和物理原理，将模糊指令转化为逐步执行的计划，以应对新场景并泛化到多种任务中。

Cosmos Reason 的创新点如下：

物理常识知识库：内置结构化物理知识库，包含物体动力学属性（如“玻璃易碎，抓取时压力需＜5N ”）和动作 - 效果关联（如“推开沉重的门时，需先施加推力，再保持门的运动轨迹”）。

层次化任务拆解：面对模糊指令（如“把红色盒子放到书架第二层”），模型会分三步拆解，即目标解析、子任务拆分和动作参数化，将抽象指令转化为机器人关节的具体参数。

在 NVIDIA 内部测试中，面对 100 条模糊物理指令，Cosmos Reason 的任务拆解准确率达 91%，远超传统视觉语言模型的 68%。

全新 AI 基础设施：支撑机器人研发全流程

为支持这些先进技术和软件库，NVIDIA 推出了专为高要求工作负载设计的 AI 基础设施，具体如下：

NVIDIA GB200 NVL72：集成 36 个 Grace CPU 和 72 个 Blackwell GPU 的机架式系统，目前已被各大云服务提供商采用，可显著加速 AI 训练和推理过程。

NVIDIA RTX PRO 服务器：为机器人开发提供统一架构，支持训练、合成数据生成、机器人学习和仿真等全环节需求。

NVIDIA Jetson Thor：搭载 Blackwell GPU，能够支持机器人同时运行多个 AI 工作流，实现实时智能交互。

结语

从仿真引擎到推理模型，从数据生成到硬件支撑，NVIDIA 此次发布的技术矩阵打通了机器人“研发 - 测试 - 落地”全链路。随着开源生态的不断完善和产学研协同的深入，人形机器人向“走进日常生活”的目标迈出了关键一步。

更多热点文章阅读