机器人

2026年 9月 1日

构建面向大规模 VLA 的端云协同后训练闭环：使用 verl-vla 统一数据采集、微调与强化学习

随着 NVIDIA Isaac GR00T、PI0.5 等大规模视觉—语言—动作（VLA）模型不断发展，
2 MIN READ
2026年 8月 31日

借助 NVIDIA Omniverse NuRec 在车辆平台上扩展智能汽车感知

感知堆栈由搭载该堆栈的车辆决定形状。将相同的软件移动到新的赛车系 (例如，从 SUV 到轿车或产品组合中的其他车型) ，
4 MIN READ
2026年 8月 26日

如何使用 AI 智能体训练跨具身机器人导航策略

导航使机器人能够将感知和运动转化为有目的的自主性。与产生稳定运动的运动不同，导航必须用于不断定位机器人、解读不断变化的环境、选择路线，
4 MIN READ
2026年 8月 19日

对 NVIDIA Cosmos 3 Edge 进行后训练，实现设备端机器人控制

机器人在板载计算硬件上运行时，需要能够适应其传感器、环境和任务的策略。世界模型为学习物理交互提供了基础，但其规模可能会导致难以在设备上部署。
3 MIN READ
2026年 8月 13日

NVIDIA × 火山引擎：云端一站式具身智能研发协同方案

火山引擎 veOmniverse 深度整合 NVIDIA 在具身智能方向的核心能力，围绕“数据采集—数据扩增—VLA+RL 后训练—仿真评测”…
1 MIN READ
2026年 8月 11日

NVIDIA JetPack 7.2.1 新增代理式视频技能和 T3000 仿真

从机器人和智能视频分析到工业自动化、医疗健康、媒体处理和远程操作，视频是 NVIDIA Jetson 应用的核心数据路径。
2 MIN READ
2026年 8月 4日

超越 VLA：世界动作模型如何重塑机器人操控

机器人领域的一个核心挑战是构建超越其训练演示的泛化策略。当物体形状、位置或照明发生变化时，在训练场景中取得成功的策略通常会失败。
2 MIN READ
2026年 8月 4日

使用 NVIDIA Alpamayo 2 Super 生成轨迹、推理路径和自动标注

辅助驾驶开发通常依赖多个相互独立的模型，分别用于轨迹生成、高层级意图预测、场景理解以及数据标注。这种分开的方式使得相关结果难以直接比较，
5 MIN READ
2026年 7月 28日

使用 GPU 原生医学物理模拟开发医疗健康机器人

与自动驾驶或工业机器人不同，医疗机器人无法依靠互联网规模的数据采集或无限的现实世界实验。每次演示都需要专门的设备、
2 MIN READ
2026年 7月 15日

借助 AI 智能体更快地开发轻量级 USD 运行时

OpenUSD 是一个开放、可扩展的框架，可为物理 AI 提供通用场景描述语言。它使团队能够将 CAD 数据、
3 MIN READ
2026年 7月 11日

如何评估用于现实世界部署的通用机器人策略

机器人基础模型取得了显著进展。当今的出色系统可以遵循自然语言指令来选取、放置、分类和操作各种物体。但是，随着这些模型的功能越来越强大，
3 MIN READ
2026年 7月 7日

使用 NVIDIA Isaac GR00T 开发端到端人形机器人策略

随着越来越多的团队从人形机器人启动转向特定任务的技能开发，对可重复开发工作流的需求也与日俱增。构建人形机器人仍然十分复杂，
3 MIN READ
2026年 6月 22日

深入了解适用于机器人的 NVIDIA Halos：适用于物理 AI 的全栈功能安全系统

物理 AI—即在工厂、仓库、医院和家中与人类自主协作的机器人——的到来比大多数人预期的要快。随着空间变得越来越非结构化，机器人走出牢笼，
4 MIN READ
2026年 6月 1日

在 NVIDIA JetPack 7.2 中部署具有高显存效率的边缘代理就绪型 AI

随着 AI 智能体 从数字世界转向物理环境，他们可以轻松使用 NVIDIA Jetson，通过优化的内存和性能加速现实世界的部署。
3 MIN READ
2026年 5月 31日

如何使用 NVIDIA Alpamayo 在闭环中对自动驾驶车辆模型进行后训练

开发自动驾驶车辆（AV）政策需要弥合训练与部署之间的一个重要差距。
2 MIN READ
2026年 5月 31日

借助 NVIDIA Cosmos 3 开发物理 AI 推理模型、世界模型和动作模型

物理 AI 系统必须先了解现实世界，然后才能在其中发挥作用。机器人、智能汽车和智能空间需要了解其环境中发生的情况，预测接下来可能发生的情况，
5 MIN READ