新的 Project GR00T 工作流和 AI world model開發(fā)技術將提高機器人的靈巧性、控制性、操縱性和移動性。

NVIDIA 在本周于德國慕尼黑舉行的機器人學習大會（CoRL）上發(fā)布了全新 AI 和仿真工具以及工作流。機器人開發(fā)者可以使用這些工具和工作流，大大加快 AI 機器人（包括人形機器人）的開發(fā)工作。

此次發(fā)布的系列產(chǎn)品包括：NVIDIA Isaac Lab 機器人學習框架正式版；Project GR00T（一個為加速人形機器人發(fā)展的項目）的六個全新人形機器人學習工作流；以及用于視頻數(shù)據(jù)管理和處理的全新世界模型開發(fā)工具，包括用于視頻處理的NVIDIA Cosmos tokenizer和NVIDIA NeMo Curator。

開源 Cosmos tokenizer可將圖像和視頻分解為具有極高壓縮率的高質量 token，為機器人開發(fā)者提供卓越的視覺標記化功能。Cosmos tokenizer的運行速度最高可達到當前標記器的 12 倍，NeMo Curator 的視頻處理整理速度則最高可達到未優(yōu)化管線的 7 倍。

NVIDIA 在 CoRL 上還發(fā)布了 23 篇與機器人學習相關的論文，并舉辦了 9 場研討會，同時發(fā)布了面向開發(fā)者的培訓和工作流指南。此外，Hugging Face 和 NVIDIA 還宣布，將共同使用 LeRobot、NVIDIA Isaac Lab和NVIDIA Jetson來加速開發(fā)者社區(qū)的開源機器人研究。

使用 Isaac Lab 加速機器人開發(fā)

NVIDIA Isaac Lab 是一個建立在NVIDIA Omniverse平臺上的開源機器人學習框架。NVIDIA Omniverse 是一個用于開發(fā)適用于工業(yè)數(shù)字化和物理 AI 仿真的 OpenUSD 應用的平臺。

開發(fā)者可以使用 Isaac Lab 來大規(guī)模訓練機器人策略。這個開源的統(tǒng)一機器人學習框架適用于從人形機器人到四足機器人和協(xié)作機器人等各種具身，能夠處理日益復雜的動作和交互。

全球領先的商用機器人制造商、機器人應用開發(fā)商和機器人研究機構都在使用 Isaac Lab，包括 1X、Agility Robotics、波士頓動力人工智能研究所、Berkeley Humanoid、波士頓動力公司、Field AI、傅利葉、銀河通用、Mentee Robotics、Skild AI、Swiss-Mile、宇樹科技和小鵬機器人。

Project GR00T：

通用人形機器人的基礎

制造先進的人形機器人非常困難，需要多層技術和跨學科方法，才能使機器人有效地感知、移動和學習技能，進而實現(xiàn)人與機器人以及機器人與環(huán)境的交互。

Project GR00T旨在通過開發(fā)加速庫、基礎模型和數(shù)據(jù)管線，加速全球人形機器人開發(fā)者生態(tài)的發(fā)展。

這六個全新 Project GR00T 工作流為人形機器人開發(fā)者提供了實現(xiàn)最具挑戰(zhàn)性的人形機器人功能的藍圖：

GR00T-Gen用于構建基于 OpenUSD 的生成式 AI 3D 環(huán)境

GR00T-Mimic用于生成機器人運動和軌跡

GR00T-Dexterity用于機器人靈巧操作

GR00T-Control用于全身控制

GR00T-Mobility用于機器人運動和導航

GR00T-Perception用于多模態(tài)感知

NVIDIA 具身 AI 高級研究經(jīng)理 Jim Fan 表示：“人形機器人是具身 AI 的下一輪浪潮。NVIDIA 的研究和工程團隊正在與整個公司內部和我們的開發(fā)者生態(tài)合作構建 Project GR00T，以幫助推動全球人形機器人開發(fā)者的進步和發(fā)展。”

世界模型構建者的新開發(fā)工具

如今，機器人開發(fā)者正在構建世界模型。這種用 AI 呈現(xiàn)世界的方式可以預測物體和環(huán)境對機器人行動的反應。構建這些世界模型需要大量計算和數(shù)據(jù)，這些模型需要數(shù)千小時的經(jīng)過整理的真實世界圖像或視頻數(shù)據(jù)。

NVIDIA Cosmos tokenizer 提供高效、優(yōu)質的編碼和解碼能力，能夠簡化這些世界模型的開發(fā)。它們樹立了最小失真和時間不穩(wěn)定性的新標準，實現(xiàn)了高質量的視頻和圖像重建。

Cosmos tokenizer 提供了高質量壓縮和最高達 12 倍的視覺重構速度，為在廣泛的視覺域開發(fā)可擴展、強大且高效的生成應用創(chuàng)造了條件。

人形機器人公司 1X 已更新了 1X 世界模型挑戰(zhàn)賽數(shù)據(jù)集，以便使用 Cosmos tokenizer。

1X Technologies AI 副總裁 Eric Jang 表示：“NVIDIA Cosmos tokenizer 在保持視覺保真度的同時，實現(xiàn)了對我們數(shù)據(jù)的高度時空壓縮。這讓我們能夠以更高效的計算方式，來使用長視距視頻生成技術去訓練世界模型?！?/p>

包括小鵬機器人和 Hillbot 在內的其他人形機器人和通用機器人開發(fā)商正在其開發(fā)過程中使用 NVIDIA Cosmos tokenizer，以管理高分辨率圖像和視頻。

NeMo Curator 現(xiàn)在加入了一個視頻處理管線，這使機器人開發(fā)者能夠通過處理大規(guī)模文本、圖像和視頻數(shù)據(jù)，來提高其世界模型的準確性。

由于視頻數(shù)據(jù)的規(guī)模龐大，需要可擴展的管線和跨 GPU 負載平衡的高效編排，這給視頻數(shù)據(jù)管理帶來了挑戰(zhàn)。此外，還需要對過濾、字幕生成和嵌入模型進行優(yōu)化，才能最大程度地提高吞吐量。

NeMo Curator 通過自動管線編排來簡化數(shù)據(jù)整理工作，顯著縮短了處理時間，從而克服了這些挑戰(zhàn)。NeMo Curator 支持跨多節(jié)點、多 GPU 系統(tǒng)的線性擴展，可高效處理 100 PB 以上的數(shù)據(jù)，這簡化了 AI 開發(fā)，降低了成本，加快了產(chǎn)品的上市時間。

在 CoRL 上

推進機器人學習社區(qū)的發(fā)展

NVIDIA 機器人團隊與 CoRL 共同發(fā)布的近二十篇研究論文涵蓋了以下領域的突破性成果：集成 VLM 來優(yōu)化環(huán)境理解和任務執(zhí)行、機器人時間導航、為復雜的多步驟任務制定長視距規(guī)劃策略，以及利用人類演示來習得技能。

有關人形機器人控制和合成數(shù)據(jù)生成的突破性論文包括：SkillGen（一個基于合成數(shù)據(jù)生成的系統(tǒng)，用于在人工演示極少的情況下訓練機器人）和 HOVER（一個用于控制人形機器人運動和操作的機器人基礎模型）。

NVIDIA 研究人員還參加了本屆大會的九場研討會。進一步了解有關活動的完整日程安排：

供貨情況

NVIDIA Isaac Lab 1.2 現(xiàn)已在 GitHub 上開源可用。NVIDIA Cosmos tokenizer現(xiàn)已在 GitHub 和 Hugging Face 上開源。用于視頻處理的 NeMo Curator 將于本月底發(fā)布。

新的 NVIDIA Project GR00T 工作流即將推出，以幫助機器人公司更加輕松地構建人形機器人功能。

學習使用 Isaac Lab 的研究人員和開發(fā)者現(xiàn)可以訪問開發(fā)者指南和教程，包括 Isaac Gym 到 Isaac Lab 的遷移指南。

在即將于 11 月 13 日舉行的關于機器人仿真和學習的 OpenUSD 內部直播中了解機器人學習和仿真的最新進展.。