机器人

2025年 12月 17日

借助 NVIDIA Isaac Sim 与 World Labs Marble 加速机器人仿真环境构建

一直以来，为机器人仿真构建逼真的 3D 环境是一项非常耗费人力的工作，往往需要数周的手动建模与配置。如今，借助生成式世界模型，
2 MIN READ
2025年 12月 16日

塑造 2025 年的 AI 工厂、物理 AI 以及模型、智能体和基础设施的进步

对于使用 NVIDIA 技术的开发者和研究人员而言，2025 年是又一个具有里程碑意义的年份。在数据中心功耗与计算设计、AI 基础设施、
3 MIN READ
2025年 12月 12日

R²D²：结合仿真与语言模型提升机器人操作能力

机器人操控系统在进入动态现实环境时，难以应对持续变化的物体、光照条件及接触动力学。此外，仿真与现实之间的差距，以及未经过优化的抓手或工具，
2 MIN READ
2025年 12月 11日

基于 NVIDIA Jetson 的边缘 AI 入门指南：面向机器人的大语言模型、视觉语言模型和基础模型

在小型、低功耗的边缘设备上运行先进的 AI 和计算机视觉工作流正变得越来越具有挑战性。机器人、智能摄像头和自主设备需要实时智能来感知、
2 MIN READ
2025年 11月 25日

在 NVIDIA Jetson Thor 上提升机器人感知效率

借助 NVIDIA 视觉编程接口库（VPI），您可以更有效地利用 Jetson Thor 的计算性能。
4 MIN READ
2025年 11月 4日

R²D²：基于感知引导的多步骤精细操作任务与运动规划

传统的任务与运动规划（TAMP）系统在机器人操作应用中通常依赖静态模型运行，因此在面对新环境时往往表现不佳。将感知与操作相融合，
1 MIN READ
2025年 10月 24日

借助 NVIDIA Isaac Sim 构建合成数据流水线，训练更智能的机器人

随着机器人承担的动态移动任务日益增多，开发者需要具备物理级精度且能够跨环境和工作负载高效扩展的仿真系统。
2 MIN READ
2025年 10月 23日

仅使用智能手机在 NVIDIA Isaac Sim 中重建场景

为机器人仿真构建逼真的 3D 环境可能是一项耗时且劳动密集型的任务。现在，借助 NVIDIA Omniverse NuRec，
2 MIN READ
2025年 10月 21日

面向 Physical AI 的全栈式解决方案：解析 NVIDIA 与阿里云 PAI 的完整技术链路

随着人工智能向物理世界深度融合，Physical AI 正在重塑智能体的研发范式。它对数据生成、仿真验证、模型训练与边缘部署提出了一些挑战。
2 MIN READ
2025年 10月 15日

通过 NVIDIA Jetson AGX Thor 实现 7 倍生成式 AI 性能，解锁更快速、更智能的边缘模型

NVIDIA 软件生态系统的一大显著优势在于其持续优化的承诺。今年 8 月，NVIDIA 发布了 Jetson AGX Thor，
2 MIN READ
2025年 9月 29日

利用 Newton 引擎的神经动力学推进机器人技术的发展

现代机器人技术对动力学的需求，已超出经典解析动力学的能力范畴。经典解析动力学存在接触简化、运动学环路省略及模型不可微等问题，
2 MIN READ
2025年 9月 29日

使用 OpenUSD 强化机器人开发的 3 种简单方法

随着对机器人技术需求的持续增长，人们对高精度物理仿真的需求也达到了前所未有的高度。通用场景描述（OpenUSD）正成为推动这一变革的关键力量，
2 MIN READ
2025年 9月 29日

借助 NVIDIA Isaac Lab 和 Newton 训练四足机器人运动策略并对布料操作进行仿真

物理在机器人仿真中发挥着至关重要的作用，它为机器人在真实环境中的行为及交互提供了精准的虚拟呈现基础。借助仿真器，研究人员和工程师能够以安全、
3 MIN READ
2025年 9月 29日

使用 NVIDIA Isaac Lab 和 Newton 训练四足运动策略并模拟布料操作

物理学在机器人仿真中起着关键作用，为机器人在现实环境中的行为与交互提供了精确的虚拟呈现基础。借助这些仿真工具，研究人员和工程师能够以更安全、
3 MIN READ
2025年 9月 29日

在 NVIDIA Isaac Lab 2.3 中通过全身控制和增强远程操作简化机器人学习

从现实世界演示中训练机器人策略不仅成本高、耗时长，还容易导致过拟合，从而限制了在不同任务和环境中的泛化能力。相比之下，
3 MIN READ
2025年 9月 29日

在 NVIDIA Isaac Lab 2.3 中使用全身控制和增强遥操作，简化机器人学习

基于真实世界演示训练机器人策略，不仅成本高、速度慢，还容易出现过拟合问题，进而限制其在不同任务与环境中的泛化能力。
3 MIN READ