北京
在國際機器人與自動化會議（ICRA）上，英偉達的研究成為焦點：28篇被接受的論文中，有8篇直接展示了模擬訓練如何讓機器人在混亂、不可預測的現實中變得可靠且自主。這些進展徹底擺脫了腳本自動化的束縛，直面機器人技術最棘手的痛點——從多臂協調到精密組裝，全部在零真實數據的前提下實現技能遷移。
突破性方法層出不窮。ScheduleStream框架首次在GPU上并行計算，一舉將多機械臂的規劃速度拉升3倍，終結了傳統順序調度的低效。COMPASS政策則顛覆了導航邏輯：它在完全虛擬的Isaac Lab中，通過模仿學習和強化學習，讓不同機身形態的機器人都能自如繞障，現實試驗成功率高達80%，相比基線暴漲4.5倍。抓取方面，Grasp-MPC引入自適應糾正機制，模仿人類憑觸覺調整的手法，在雜亂桌面上將成功率從41%拔高至75%。
最令人驚愕的是，這些系統不只在實驗室里跑通，更直接零樣本跳過仿真到現實的鴻溝。可變形聚類操作讓機器人像人一樣用整只手臂掃清糾結的樹枝，在電力線維護中一試即靈；專門攻克精密組裝難題的SPARR方法，將任務拆分為模擬策略與真實細調，成功壓制了現實中微小誤差的干擾。與前期工作相比，整體精度提升達15%，在場景雜亂、相機變動等嚴苛條件下依舊穩健。
這些成果宣告了一個明晰的信號：模擬到現實的傳輸，正迅速成為實驗室外高適應性機器人的核心基石。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
