ROBOT INDUSTRY

“通用”是機器人迭代演進的目標形態(tài)，這要求機器人具備高度泛化的感知、認知和決策能力，需要依托海量數(shù)據(jù)對具身模型進行訓練。傳統(tǒng)的人工數(shù)據(jù)采集方式難度大、要求高、效率低，成為制約機器人智能化水平提升的關(guān)鍵“卡點”，NVIDIA打造的數(shù)據(jù)合成解決方案成為破解“數(shù)據(jù)荒”的關(guān)鍵一招。

當前，具身智能無疑是風靡全球的流行熱詞，這項技術(shù)的發(fā)展，使機器人不再是只能執(zhí)行預設(shè)程序的自動化裝備，而是逐漸成為具有視覺感知、環(huán)境理解、自主決策和持續(xù)學習等綜合能力的智能體，加快推動生產(chǎn)力重塑，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級。

作為具身智能領(lǐng)域的“流量明星”，人形機器人的研發(fā)和應用被給予厚望。馬拉松、拳擊賽、足球賽等競技活動引人矚目，進工廠、進商店、進社區(qū)等實踐案例不勝枚舉，人形機器人商業(yè)化藍海吸引無數(shù)創(chuàng)業(yè)者投身其中，然而由0到1的規(guī)?；瘧猛黄迫匀淮嬖陔y以逾越的現(xiàn)實桎梏。近年來，國內(nèi)人形機器人訓練場在多地陸續(xù)設(shè)立，國外部分企業(yè)不惜斥重金雇傭人類員工訓練機器人，諸如此類的消息頻頻引發(fā)行業(yè)關(guān)注，究其原因在于這背后蘊藏著共同的關(guān)切——數(shù)據(jù)——制約人形機器人智能化水平提升的“隱形門檻”。

如果說大模型是人形機器人的“大腦”，那么數(shù)據(jù)則是它“生長發(fā)育”所離不開的“養(yǎng)料”，這就不難理解數(shù)據(jù)為何會如此重要。舉例而言，僅僅一個倒水的動作，就需要采集100條高質(zhì)量數(shù)據(jù)供大模型訓練，而在現(xiàn)實生活中，杯子的外形、位置千差萬別，機器人想要靈活應對各種情況，就需要采用更大規(guī)模的數(shù)據(jù)集進行訓練學習。因此，機器人領(lǐng)域存在一個普遍共識：海量數(shù)據(jù)訓練是實現(xiàn)智能化的核心前提。

1

“數(shù)據(jù)荒”成為人形機器人智能化瓶頸

人形機器人的能力進化高度依賴數(shù)據(jù)“滋養(yǎng)”，而數(shù)據(jù)匱乏是行業(yè)面臨的共性難題?，F(xiàn)階段，大語言模型已經(jīng)得到成熟應用，融入社會生產(chǎn)生活的諸多方面，但人形機器人在行走、取物、交互等方面仍“躡手躡腳”，沒有想象中靈巧聰慧，這就是數(shù)據(jù)量差異帶來的直觀表現(xiàn)?；诨ヂ?lián)網(wǎng)數(shù)十年的發(fā)展積累，可用于訓練大語言模型的數(shù)據(jù)量規(guī)模達PB級，但能用于訓練人形機器人的有效數(shù)據(jù)卻遠不及此，盡管一部分整機企業(yè)開放了真機數(shù)據(jù)，但仍難填鴻溝。

人形機器人緣何面臨“數(shù)據(jù)荒”？主要原因可歸結(jié)為以下三點。

一是行業(yè)發(fā)展起步晚，數(shù)據(jù)積累不足。人形機器人的高速發(fā)展集中在近5年，盡管此前工業(yè)機器人已經(jīng)廣泛應用于制造業(yè)，但由于其在物理結(jié)構(gòu)、傳感器配置、任務場景等方面均與前者存在顯著差異，因此相關(guān)數(shù)據(jù)難以遷移至人形機器人。除此之外，由于各家廠商的機器人在本體設(shè)計、傳感器配置等方面也存在區(qū)別，導致數(shù)據(jù)跨平臺復用率低。

二是數(shù)據(jù)采集難度大、成本高。人形機器人的運行涉及視覺、力覺、觸覺等多維感知信息，需要同步各傳感器數(shù)據(jù)，時序?qū)R精度達毫秒級，現(xiàn)有技術(shù)誤差容易導致動作失控；采集真實交互數(shù)據(jù)需部署高精度光學動捕系統(tǒng)，并依托專業(yè)操作員手把手示教，硬件采購和人員成本普遍較高，并且一旦涉及工業(yè)等真實作業(yè)場景，還可能占用產(chǎn)線資源，第三方配合意愿低。

三是“數(shù)據(jù)孤島”現(xiàn)象突出。一方面，企業(yè)將數(shù)據(jù)視為核心競爭力，紛紛組建私有數(shù)據(jù)集，即便一些開源社區(qū)上線了共享數(shù)據(jù)集，但大多聚焦簡單任務，復雜場景數(shù)據(jù)依然十分稀缺。另一方面，數(shù)據(jù)集缺乏統(tǒng)一的質(zhì)量評估體系，難以規(guī)避錯誤標注帶來的現(xiàn)實風險，例如錯誤的數(shù)據(jù)標注可能造成醫(yī)療機器人拿錯藥物，因而導致“數(shù)據(jù)信任”窘境。

目前，行業(yè)普遍認同的數(shù)據(jù)破題路徑主要分為兩類，一是通過整合資源、規(guī)范標準、共建共享等手段多措并舉，打造高質(zhì)量真實數(shù)據(jù)集；二是借助物理仿真技術(shù)手段，降低真機數(shù)據(jù)采集成本，高效生成訓練數(shù)據(jù)。針對前者，國家地方共建人形機器人創(chuàng)新中心、北京人形機器人創(chuàng)新中心等機構(gòu)已經(jīng)開展積極探索，收獲顯著成效。后者則涌現(xiàn)出了以NVIDIA為代表的科技企業(yè)先驅(qū)，基于深厚的行業(yè)積累，創(chuàng)新打造全棧機器人解決方案，幫助機器人開發(fā)者應對未來的技術(shù)挑戰(zhàn)。

2

NVIDIA合成數(shù)據(jù)生成技術(shù)打造人形機器人數(shù)據(jù)“糧倉”

模仿學習是指人形機器人通過觀察和效仿演示操作的方式獲取新技能，這是機器人學習的一條重要途徑。其中，“演示操作”可以是人類錄制的真實視頻，也可以是仿真數(shù)據(jù)。經(jīng)過訓練的人類演示員，平均每分鐘可以錄制一段高質(zhì)量示范動作，但由于這種傳統(tǒng)的數(shù)據(jù)采集方式需要大量人力支持，且存在出錯的可能，因此難以大規(guī)模推廣。相比之下，NVIDIA推出的NVIDIA Isaac GR00T Blueprint，能夠基于少量的人類演示數(shù)據(jù)創(chuàng)建大量合成運動軌跡，并用于訓練機器人。測試結(jié)果表明，GR00T Blueprint可以在11小時內(nèi)生成780,000個合成軌跡，相當于人類演示員連續(xù)9個月采集的數(shù)據(jù)總量。此外，GR00T Blueprint生成的數(shù)據(jù)還能與真實世界數(shù)據(jù)相結(jié)合，進一步提升數(shù)據(jù)的質(zhì)量和規(guī)模，從而達到與人類演示數(shù)據(jù)相似的訓練成功率。

圖1 NVIDIA Isaac GR00T Blueprint架構(gòu)

從運行邏輯上看，GR00T Blueprint的工作流程可分為數(shù)據(jù)采集和生成合成軌跡兩部分。在數(shù)據(jù)采集階段，NVIDIA Isaac Lab平臺會生成機器人環(huán)境仿真，操作者通過佩戴Apple Vision Pro等高保真顯示設(shè)備沉浸式觀察作業(yè)環(huán)境，其手部動作被Apple Vision Pro實時采集并傳輸回Isaac Lab平臺，以此讓操作者直觀地控制仿真世界中的機器人執(zhí)行任務，完成示教操作。在生成合成軌跡階段，Isaac GR00T-Mimic會從少量的人類示范中推算出大量合成運動軌跡，這個過程包括在示范中標記關(guān)鍵點，使用插值法合成平滑且符合情境的運動軌跡，以及對生成的數(shù)據(jù)進行評估和優(yōu)化等，確保仿真數(shù)據(jù)滿足訓練標準。

仿真數(shù)據(jù)的生成過程看似簡單，但要想縮小仿真和現(xiàn)實之間的訓練差距，就需要使合成的機器人和場景具有足夠逼真的3D效果，并通過隨機設(shè)定照明、顏色和背景等各種參數(shù)來增加多樣性。通常，仿真的過程需要由專業(yè)的建模人員耗費大量時間完成。如今，借助NVIDIA推出的Cosmos Transfer（WFMs），只需簡單的文本提示，就能生成高質(zhì)量仿真場景，將耗時從數(shù)小時縮短至幾分鐘，大幅提升了建模效率。

圖2 NVIDIA Isaac GR00T N系列模型架構(gòu)

通過利用合成數(shù)據(jù)集進行真實訓練，NVIDIA驗證了這項解決方案的實用價值。Isaac GR00T N系列模型是NVIDIA打造的用于通用人形機器人推理和技能的開源基礎(chǔ)模型，能夠流暢處理文本指令與圖像等多模態(tài)輸入，輸出機器人動作指令，具備出色的跨實體、跨任務泛化能力。該模型基于來自互聯(lián)網(wǎng)的大規(guī)模數(shù)據(jù)和人類視頻進行訓練，此外還補充了通過GR00T Blueprint生成的合成數(shù)據(jù)，將這些合成數(shù)據(jù)與真實數(shù)據(jù)相結(jié)合后，與僅使用真實數(shù)據(jù)進行訓練的情況相比，GR00T N的性能能夠提升40%。2025年5月，NVIDIA發(fā)布了Isaac GR00T N1.5，借助GR00T-Dreams Blueprint生成合成訓練數(shù)據(jù)，研究人員僅用36小時就完成了GR00T N1的迭代升級。如果采用人工數(shù)據(jù)收集的方式進行訓練，該過程則需耗時近3個月。

3

高質(zhì)量數(shù)據(jù)加速具身智能落地部署

近年來，越來越多的科技企業(yè)選擇運用NVIDIA Isaac平臺技術(shù)，加快推進人形機器人的開發(fā)與部署。

作為生成式AI與仿真技術(shù)合成數(shù)據(jù)提供商，光輪智能成功將GR00T N1人形機器人基礎(chǔ)模型部署至汽車制造生產(chǎn)線，實現(xiàn)了GR00T N1模型在行業(yè)場景的首次實戰(zhàn)應用。通過構(gòu)建物理交互真實、場景多樣化的仿真環(huán)境，光輪智能模擬了汽車工廠中的復雜任務場景，并基于“人在環(huán)”的仿真遙操作，生成了覆蓋各類任務的大規(guī)模遙操作合成數(shù)據(jù)。這些高質(zhì)量合成數(shù)據(jù)不僅加速了GR00T N1模型的訓練過程，還通過“Real2Sim2Real+Realism Validation”技術(shù)架構(gòu)，有效縮小了仿真環(huán)境與物理現(xiàn)實世界的差距，確保訓練成果能夠順利遷移至真實應用場景，從而大幅提升模型在實際環(huán)境中的表現(xiàn)水平。在汽車工廠中，搭載GR00T N1模型的人形機器人裝載通過質(zhì)檢的零部件并批量搬運放置到精確位置的動作，展現(xiàn)了其在工業(yè)場景中的應用潛力。兩者合作為具身智能進入智能制造樹立了新范式。

通用具身機器人領(lǐng)域的“明星企業(yè)”智元機器人，推出了基于Isaac GR00T-Teleop和GR00T-Mimic技術(shù)的仿真大規(guī)模數(shù)據(jù)采集方案和海量開源仿真數(shù)據(jù)集AgiBot Digital World，高效解決機器人數(shù)據(jù)稀缺的問題。智元機器人的仿真數(shù)據(jù)生成方案，借助Isaac Sim高度逼真的視覺渲染和精確的物理引擎，精準還原機器人的訓練環(huán)境，并結(jié)合GR00T-Teleop遠程操作和GR00T-Mimic的數(shù)據(jù)增廣技術(shù)，快速生成高質(zhì)量且多樣化的專家軌跡數(shù)據(jù)，不僅大幅降低了數(shù)據(jù)采集的成本和時間，還為機器人模型訓練提供了豐富的仿真數(shù)據(jù)資源，幫助機器人更高效地融入人類社會，推動各行各業(yè)的智能化轉(zhuǎn)型。

專注于具身多模態(tài)大模型通用機器人研發(fā)的創(chuàng)新企業(yè)銀河通用，借助Isaac Lab和Isaac Sim搭建了靈巧手抓取模型的仿真測試環(huán)境，顯著加速了對于靈巧手抓取模型Scaling Law的探索進程，以及靈巧手泛化抓取技能在真實應用場景中的落地進程。

隨著生成式AI與物理仿真的深度融合，機器人加速由“專用工具”向“通用數(shù)字勞動力”轉(zhuǎn)型。正如黃仁勛所言：“通用機器人時代已經(jīng)到來?！盢VIDIA正依托全棧機器人解決方案，與全球開發(fā)者共同開啟人機協(xié)同新紀元。

閱讀更多內(nèi)容，歡迎訂購《機器人產(chǎn)業(yè)》雜志。

點擊跳轉(zhuǎn)！圈內(nèi)人都在看的專家觀點