NVIDIA通过加速AWS上的机器人仿真推进物理AI的发展

NVIDIA Isaac Sim 现在可在 Amazon EC2 G6e 实例中的 NVIDIA GPU 云实例上使用，将机器人仿真的扩展速度提高了 2 倍并加快了 AI 模型的训练速度。

Field AI 正在构建使机器人能够自主管理各种工业流程的机器人大脑；Vention 创建了简化机器人任务开发工作的预训练技能；Cobot 推出的 AI 机器人 Proxie 专为搬运材料和适应动态环境而设计，能够和人类默契配合完成各类工作。

这些领先的机器人初创公司都在使用 Amazon Web Services 上的NVIDIA Isaac Sim以实现威廉希尔官方网站 突破。Isaac Sim 是一款基于NVIDIA Omniverse构建的参考应用，开发人员可以借助它，在基于物理学的虚拟环境中对 AI 驱动的机器人进行仿真和测试。

在近日的 AWS re:Invent 上，NVIDIA 宣布 Isaac Sim 现在能够在NVIDIAGPU加速的 Amazon Elastic Cloud Computing（EC2）G6e 实例上运行。另外，借助NVIDIA OSMO云原生编排平台，开发人员可以在 AWS 计算基础设施上轻松管理复杂的机器人工作流。

通过在云端使用 NVIDIA 加速软件与硬件组合，不同规模的团队都能扩展他们的物理 AI 工作流。

物理 AI 指能够理解物理世界并与之交互的 AI 模型。它标志着自主机器和机器人威廉希尔官方网站 的新发展阶段，例如自动驾驶汽车、工业机械手、移动机器人、人形机器人，乃至工厂、仓库等依靠机器人运行的基础设施。

开发人员正在借助物理 AI，使用“三台计算机”进行训练、仿真和推理，以此取得突破。

但机器人系统的物理 AI 需要强大的训练数据集，才能在实际使用时作出精准的推理。而开发这样的数据集并在现实环境中进行测试不切实际且成本高昂。

仿真解决了这个问题，它大大加快了 AI 驱动的机器人的训练、测试和部署。

在云端利用GPU

拓展机器人仿真和训练

通过使用仿真，可以在部署前验证、确认和优化机器人的设计及其系统与算法，还可以在开始建造或改造前优化设施和系统设计，这不仅能够提高效率，还能减少因生产变更而产生的高昂成本。

借助 NVIDIA GPU 提供的加速，Amazon EC2 G6e 实例的性能是之前架构的 2 倍，而且还能随着场景和仿真复杂度的增加而灵活扩展。这些实例可以延伸到从数据生成到仿真和模型训练等各种任务，因此可以用来训练 AI 驱动的机器人所需要的许多计算机视觉模型。

通过在云中使用 NVIDIA OSMO，团队可以在各种分布式计算资源上编排和扩展复杂的机器人开发工作流，无论是在本地还是在 AWS 云中。

Isaac Sim 提供了最新机器人仿真功能和云的访问途径，促进了协作。其中的一个关键工作流是生成用于感知模型训练的合成数据。

通过使用结合了NVIDIA Omniverse Replicator与NVIDIA NIM 微服务的参考工作流，开发人员可以构建生成式 AI 赋能的 SDG 流水线。NVIDIA Omniverse Replicator 是一个用于构建自定义合成数据生成（SDG）流水线的框架，同时也是 Isaac Sim 的核心扩展。

所使用的 NVIDIA NIM 微服务包括用于生成 Python USD 代码和回答 OpenUSD 查询的 USD Code NIM 微服务以及基于自然语言或图像输入搜索 OpenUSD 资产的 USD Search NIM 微服务。Edify 360 HDRi NIM 微服务可生成 360 度环境地图，而 Edify 3D NIM 微服务可根据文本或图像提示创建随时可编辑的 3D 资产。生成式 AI 的强大功能减少了资产创建、图像增强等许多繁琐的人工步骤，简化了合成数据的生成。

Rendered.ai 依靠其集成了 Omniverse Replicator 的合成数据工程平台，生成投喂给计算机视觉模型的合成数据。此类模型正在被安全行业和智能化行业以及制造业和农业等行业所使用。

IT 咨询和数字服务提供商 SoftServe 使用 Isaac Sim 生成合成数据，并与欧洲一流的食品生产商 Pfeifer & Langen 合作，验证用于垂直农业的机器人。

Tata Consultancy Services 正在构建定制的合成数据生成流水线，以便增强其 Mobility AI 套件，通过对现实世界场景进行仿真，满足汽车和自动驾驶用例的需求。该公司的应用包括缺陷检测、生产线末端质量检测和危险规避。

机器人在仿真中进行学习

Isaac Sim 使开发人员能够在达到物理学精度的仿真中测试和验证机器人，而基于 Isaac Sim 构建的开源机器人学习框架 Isaac Lab 则为建立可在 AWS Batch 上运行的机器人策略提供了一个虚拟试验场。

由于这些仿真可重复使用，开发人员能够轻松排除故障并减少验证和测试的循环次数。

多家机器人开发商正在 AWS 上使用NVIDIA Isaac来开发物理 AI：

Aescape通过在 Isaac Sim 中对机器人的机载传感器进行精确interwetten与威廉的赔率体系 和调整，使其机器人能够提供精准定制的按摩服务。

Cobot使用 Isaac Sim 与其 AI 驱动的协作机器人 Proxie 优化仓库、医院、制造现场等地点的物流。

Cohesive Robotics已将 Isaac Sim 集成到其 Argus OS 软件框架中，该框架用于开发和部署高度混合制造环境中使用的机器人工作单元。

机器人基础模型制造商Field AI使用 Isaac Sim 和 Isaac Lab 评估其模型在复杂、非结构化环境中的性能，包括建筑、制造、石油和天然气、采矿等行业。

Standard Bots正在对其 R01 机器人的性能进行仿真和验证，该机器人被用于制造和加工环境。

Swiss Mile正在将 Isaac Sim 和 Isaac Lab 用于机器人学习，提高轮式四足机器人在工厂和仓库中自主执行任务的效率。

全栈云自动化平台提供商Vention正在利用 Isaac Sim 为中小型制造商使用的机器人单元开发和测试新功能。