人形机器人

收集大量高质量的真实数据集可能极具挑战性，成本高昂且耗时。基于物理精确仿真生成的合成数据可以加速数据收集，并提供泛化机器人学习模型所需的多样性，从而应对这一挑战。

NVIDIA Isaac GR00T-Dreams blueprint 帮助生成大量合成运动，可以教会机器人新的行为以及如何适应不断变化的环境。

开发人员可以先为他们的机器人进行 Cosmos Predict 2 世界基础模型 (WFM) 的后训练。然后，使用单张图片作为输入，GR00T-Dreams 可以帮助生成机器人在新环境中执行新任务的多个视频。之后，该 blueprint 会提取动作 token ——这些经过压缩、易于理解的数据片段，用于教导机器人如何执行这些新任务。

GR00T-Dreams blueprint 是对 Isaac GR00T-Mimic blueprint 的补充。GR00T-Mimic 使用 NVIDIA Omniverse 和 Cosmos 增强现有数据，而 GR00T-Dreams 则使用 Cosmos 生成全新数据。

人形机器人抓取功能需具备类似人类的灵巧操作技能，能够同时执行粗略抓取和精细操作任务。GR00T-Dexterity 是一套基于强化学习的全面模型和策略框架，通过与参考工作流深度结合，可实现这些高级灵巧功能的开发。

在复杂且动态环境中实现通用导航功能需要进行大量广泛调整。借助 GR00T-Mobility 参考工作流，您可以构建一个通用移动工作流，可在不同设置和机器人具身之间实现无缝导航。

在人形机器人中实现全身控制具有挑战性，需同时满足稳定操作和强劲运动要求。GR00T-Control 通过一整套先进运动规划和控制模型、策略和参考工作流来解决这一问题，从而简化高效控制系统的开发。

通过使用模仿学习和远程操作数据集，GR00T-Control 有助于训练强大的全身运动策略，从而使人形机器人能够学习灵巧的操作和运动技能。

为了提高态势感知和交互效率，人形机器人需具备长期记忆，对事件、空间、个性化设置和上下文感知做出精确响应。 

GR00T-Perception 借助基于 Isaac Sim 和 Isaac ROS 构建的强大感知库、基础模型和参考工作流实现这一目标。这些工具集成了视觉语言模型和检索增强内存等先进技术，能提升人形机器人的感知、认知和适应能力。

机器人硬件对于运行多模态 AI 模型集群也至关重要，这些模型可在不同条件下为人形机器人提供所需的性能、低延迟和功能安全保障。 

基于 NVIDIA Blackwell GPU 架构的 NVIDIA Jetson AGX Thor 可提供卓越 AI 计算性能并搭载新型 Transformer 引擎。这为边缘计算提供必要的 AI 超级能力，从而实现新一代人形机器人开发。