今天小編分享的科技經驗：機器人訓練更高效低成本！英偉達官宣Isaac Sim4.2，性能翻了一倍，歡迎閱讀。
作者 | 許麗思
編輯 | 漠影
機器人前瞻 12 月 4 日報道，這兩天，在亞馬遜雲科技 re:Invent 大會上，英偉達宣布推出了 Isaac Sim 4.2。
Isaac Sim 是基于 NVIDIA Omniverse 開發的功能強大的仿真平台，供開發人員在基于物理的虛拟環境中模拟和測試 AI 驅動的機器人。
英偉達表示，Isaac Sim 現已經由NVIDIA L40S GPUs 支持的 Amazon Elastic Cloud Computing （EC2） G6e 實例上提供，可以使機器人模拟的規模翻倍并加速 AI 模型訓練。 同時，借助雲原生編排平台 NVIDIA OSMO，開發人員可以在其 AWS 計算基礎設施中輕松管理復雜的機器人工作流。
英偉達 Omniverse 高級產品營銷經理 Akhil Docca 提到：" 在雲端提供英偉達加速的硬體和軟體，使任何規模的團隊都可以擴展其物理 AI 工作流。
一、什麼是物理 AI？
早在今年 6 月的 COMPUTEX 大會上，英偉達創始人兼首席執行官黃仁勳就強調："AI 的新一波浪潮是物理 AI。AI 能夠理解物理定律，并與人類并肩作戰。"
根據英偉達在亞馬遜雲科技大會上的說法，" 物理 AI" 是指能夠理解物理世界并與之互動的 AI 模型，它" 體現了下一波自動駕駛機器 "，例如自動駕駛汽車、工業機械手、移動機器人、類人機器人，甚至是工廠和倉庫等機器人運行的基礎設施。
英偉達認為，借助物理 AI，開發人員正在采用 "three-computer solution" 進行訓練、模拟和推理，以取得突破。
▲英偉達為人形機器人開發者提供的 "three-computer solution"
然而，在訓練機器人系統的物理 AI 過程中，需要大量的訓練數據集才能讓機器人在部署中實現精确推理。但實際上，開發這類數據集成本非常高昂。
所以，英偉達确信，仿真為解決這樣的問題提供了一個答案，因為它可以加速 AI 驅動機器人的訓練、測試和部署。
二、性能比上一代翻倍，還能靈活擴展
英偉達表示，開發人員可以在部署機器人之前使用仿真來驗證、确認和優化機器人設計以及系統及其算法，以實現最高效率。
由 NVIDIA L40S GPU 加速的亞馬遜 EC2 G6e 實例在性能上比上一代架構提升了一倍，同時随着場景和模拟復雜性的增加，還能靈活擴展，機器人開發者可以使用這些實例來訓練許多為 AI 驅動型機器人提供支持的計算機視覺模型。
這也意味着可以針對各種任務（從數據生成和模拟到模型訓練）擴展相同的實例。英偉達補充說，無論是在本地還是在 AWS 雲中，OSMO 允許團隊跨分布式計算資源編排和擴展復雜的機器人開發工作流程。
Isaac Sim 還可以促進協作關鍵工作流程，例如生成用于感知模型訓練的合成數據，Rendered.ai、SoftServe 和 Tata Consultancy Services 等多家公司都已用其生成合成數據。
英偉達強調，Isaac Sim 使開發人員能夠在仿真環境中測試和驗證機器人，而 Isaac Lab 是一個基于 Isaac Sim 構建的開源機器人學習框架，能夠利用 Isaac Sim 的最新仿真功能，實現逼真場景的快速高效模拟，為機器人學習提供了強大的虛拟環境。
由于這些模拟是可重復的，開發人員可以進行故障排除并減少驗證和測試所需的循環次數。
目前，已經有多家機器人初創公司如 Field AI、Cobot、Swiss-Mil、Cohesive Robotics 等在 AWS 上使用 Isaac Sim。
結語：合成數據驅動機器人落地加速
一直以來，稀少的高質量标注數據是機器人從訓練到落地過程中最大的掣肘。
在機器人底層模型的訓練過程中，數據獲取難度、獲取成本、标注周期都遠超語言模型。
而用合成數據代替真實數據、讓機器人在仿真環境進行快速迭代，不失為一個更高效低成本、且真實可靠的解決方案，也加速了機器人走向各行各業中錯綜復雜的應用場景。
