電子發燒友網報道（文/吳子鵬）回顧歷史上幾次生產力革命，每一次都有標志性產物，帶來巨大的生產效率提升。當然，也有一些生產力工具憑借自身潛能，在多次生產力革命周期里延續并得到強化，機器人就是一個力證。

當前，我們正處于第三次生產力革命的末期，AI技術將掀起新的浪潮，機器人作為重要的生產力工具，將發生質變。過往，工業機器人主要以物理特性、人機交互、機動性和自主程度進行分類，未來這些特性將在工業機器人上趨于融合，通過部署具身智能機器人和人工智能調度系統，“無人工廠”將逐漸得到普及。

在巨大的市場需求推動下，工業機器人產業發展換擋提速。市場研究和咨詢機構Exactitude Consultancy方面數據指出，2020年全球工業機器人市場規模為475.4億美元，預計到2029年將達到1084.8億美元，其間年復合增長率為9.6%。為了幫助產業界更好地打造智能機器人單體和系統，NVIDIA提供NVIDIA Metropolis、Isaac、Omniverse及Jetson平臺等軟硬件資源，幫助研發人員縮短從生產數據到機器人智能體的研發周期。

數據來源：Exactitude Consultancy，電子發燒友網制圖

AI引領第四次生產力革命

產業界普遍認為，第四次生產力革命是人類對“智識”邊界的探索，并將成果應用于物理世界。因而，機器人的角色將從過去幾次生產力革命中的主要成果上升為核心承載體。從勞動力結構來看，搭載AI系統的機器人將重構勞動市場，傳統崗位被自動化取代，新的職業應運而生。在此過程中，人類的定義也將發生轉變，過往人類是生產力工具的操控者，后續將逐漸成為生產力工具的協作者和監管者。

“知名未來學家”伊恩·皮爾森（Ian Pearson）博士曾預言，到2048年機器人的數量將暴增至94億，超越全球人口總數。

從經濟學的角度來看，AI機器人的普及代表了生產函數的根本變革，傳統勞動力正在被數據和算法替代，并已經初見成效。在今年的COMPUTEX期間，Foxconn、和碩、緯創資通等大型電子公司紛紛展示如何借助NVIDIA Metropolis和NIM等資源來實現更好的工業自動化，包括通過NVIDIA NIM將生成式AI引入工廠車間，改善此前廣泛部署的物聯網設備的AI感知；還包括將NVIDIA Isaac加速庫、基于物理學的仿真和AI模型集成到廠商自己的軟件框架和機器人模型中，以此提高工廠、倉庫和配送中心的工作效率。

將更強大的AI功能注入機器人讓其能夠勝任更復雜多元的任務，是產業后續發展的大方向。就像Siemens公司總裁兼首席執行官Roland Busch談到的，“由AI驅動的機器人將加速工業的數字化轉型，并接管以前無法自動化的重復性工作，這樣我們就可以釋放人類的潛能，從事更具創造性和價值的工作。”不過，要想將生成式AI等技術引入機器人系統中，面臨著很大的技術挑戰，形成了一定的產業門檻。

這些挑戰主要體現在場景的選擇、結果的準確、數據的保密、落地的成本、內容的安全等。以場景的選擇為例，未來機器人在執行任務時，工作場景較之前的機械臂會更加開放，涉及到任務識別、地圖導航、人機交互等眾多模態，很多時候這些模態是同時出現的。硬件上，機器人會搭載大量的傳感器、執行器和驅動裝置；軟件上，在高實時性的前提下，軟件需要具有良好的兼容性、開放性和可編程性；軟硬件配合上，需要能夠支持多任務處理，這對機器人系統搭載的模型能力提出了很高的要求。

智能機器人基本框圖，圖源：國際機器人聯合會

理論上，多模態AI大模型配合強大的硬件加速器，能夠很好地應對上述挑戰。不過落地的成本也是部署企業必須考慮的事情，AI模型規模擴大必然導致開發和部署的成本攀升，硬件成本、算法成本和數據成本皆是如此。如果更深一層考慮到AI機器人的可持續發展，相關應用對于能源的消耗也需要加以節制。

同時，由于工業制造的特殊性，將AI模型嵌入到機器人系統時，在實時性、精準性方面也更具挑戰。無論是當前的復合型機器人，還是未來的具身智能機器人，對比機械臂，在精度和運動穩定性等方面的要求更高，開放式的環境里不允許有位置超調，否則可能發生碰撞。需要注意到，機器人智能體的認知能力是由自身結構決定的，尤其是具身智能機器人，樹立了“身”與“智”統一的系統架構和模型方向，強調了智能體與環境之間的強關聯。因而，具身智能本身就是一套更高級的系統理論，打破了傳統硬件為智能而生的邊界，形成了智能和硬件的耦合，使得機器人創新更加復雜。

NVIDIA在機器人領域的布局

上述內容揭露出，未來機器人系統的發展是“AI+”理論的實際落地，以生成式AI為代表的新興AI技術將全面革新傳統機器人的設計理念，最終實現具象化的具身智能機器人——感知系統、運動系統和世界模型深度融合，以盡可能多地適用不同的生產場景，使大規模應用成為可能。

通過今年的COMPUTEX能夠看到，在實現“AI+機器人”的過程中，NVIDIA擁有“四大法寶”，均得到了產業界的廣泛認可，分別是NVIDIA Metropolis、Isaac、Omniverse以及硬件平臺（Jetson平臺等）。NVIDIA創始人兼首席執行官黃仁勛對此表示，“機器人時代已經到來。有朝一日，移動的物體都將實現自主運行。我們正致力于通過推進NVIDIA機器人堆棧的發展，來加速生成式物理AI，其中包括用于仿真應用的Omniverse、Project GR00T人形機器人基礎模型，以及Jetson Thor機器人計算平臺等。”

如下圖所示，NVIDIA Metropolis是一個端到端的應用框架，包含預訓練模型、訓練和優化工具、部署SDK、CUDA-X庫和NVIDIA EGX平臺。Metropolis可以讓視覺數據和AI技術結合在一起，通過深度學習等技術，讓系統分析和理解視覺數據。圖片左側的數據類型顯示，Metropolis不是簡單的視覺AI，而是將視覺和工業生產結合在一起，然后通過云原生結構，來提升整個系統的感知精度，幫助企業優化運營和提高安全性。對于機器人系統而言，Metropolis讓機器人單體和監管系統里的視覺數據能夠有機結合，既保證了單體機器人操作的精準和規范，也讓系統通過數據整合，獲得全面的運營視圖和見解，決策能力和水平得到了顯著提升。

NVIDIA Metropolis應用框架，圖源：NVIDIA

同時，Metropolis也是一套開發工具和合作伙伴生態系統，通過多年的積累，Metropolis積累了多套體系和方法論，幫助研發人員更好地構建包括工業機器人在內的工業自動化系統。比如，NVIDIA基于Omniverse、Metropolis、Isaac和cuOpt打造了AI Gym，研發人員可在其中訓練AI智能體，以幫助機器人和人類同步了解周圍環境的變化情況。如下圖所示，這是一個10萬平方英尺的倉庫的數字孿生，通過AI Gym，數字工人和AMR（自主移動機器人）可以實時共享數據。在這個數字孿生倉庫中，Metropolis通過監控攝像頭和跟蹤攝像頭的視覺數據，構建了一個統一調度的地圖，以實現各個智能體之間最佳的路徑規劃。

基于Metropolis的數字孿生，圖源：NVIDIA

NVIDIA Isaac平臺則為研發人員構建AI機器人提供強大的套件，如下圖所示，Isaac平臺包含了NVIDIA加速庫、應用框架和AI模型。在今年的COMPUTEX上，NVIDIA更新了Isaac平臺的內容，發布了最新版本的NVIDIA Isaac Sim，在多物理引擎NVIDIA PhysX和NVIDIA Isaac Lab方面有了顯著的改進。

NVIDIA Isaac平臺，圖源：NVIDIA

升級后的NVIDIA Isaac在通用AI機器人開發方面更加高效，提供參考案例、虛擬環境和加速系統等完整解決方案。舉例來說，研發人員可以通過NVIDIA Isaac平臺中的Isaac Perceptor快速構建工作流程，在倉庫或工廠等非結構化環境中打造擁有領先感知、定位和操作能力的AMR機器人；升級后的Isaac Sim依然提供豐富的參考案例，研發人員可以通過這些案例構建AMR或者通用AI機器人的虛擬環境，這個環境是基于物理世界的，可以更高效地設計、仿真、測試和訓練機器人，并讓開發出來的機器人快速適應真實的工作環境。

NVIDIA Omniverse是一個可擴展的多GPU實時開發平臺，如下圖所示，Omniverse平臺可以讓研發人員高效利用OpenUSD（通用場景描述）、RTX和生成式AI技術，以構建AI系統。在工業場景中，Omniverse讓研發人員可以針對復雜的3D和工業數字化工作流程，基于OpenUSD構建各種應用。實際上，NVIDIA Isaac平臺便廣泛受益于Omniverse平臺中的OpenUSD資源，以便構建基于物理世界的3D虛擬環境，來高效開發、測試和管理AI機器人。

NVIDIA Omniverse平臺，圖源：NVIDIA

當然，上述提到的生態系統、應用框架和平臺的構建，離不開NVIDIA強大的底層硬件支持。面向機器人應用，NVIDIA提供NVIDIA Jetson、NVIDIA DGX等硬件加速系統。以NVIDIA Jetson來說，其是適用于自主機器和嵌入式應用程序的領先平臺，提供緊湊且功能強大的計算機。Jetson擁有豐富的系列產品，包括Jetson AGX Orin系列、Jetson Orin NX系列、Jetson Orin Nano系列等，這些產品將深度學習和計算機視覺等AI技術帶到工業機器人等極具挑戰的邊緣智能場景里，為研發人員提供高性能GPU、專用AI硬件和軟件堆棧的完整組合。

在今年的GTC大會上，NVIDIA又發布了Jetson Thor計算平臺——專門為人形機器人打造的全新的計算平臺，平臺上Jetson Thor芯片的GPU基于Blackwell架構，帶來了更高的計算能力、更好的能效表現和更佳的平臺擴展性。

Jetson Thor計算平臺，圖源：NVIDIA

基于NVIDIA Jetson平臺，借助NVIDIA Isaac SDK（包括全套工具、庫、支持GPU的算法和教程），研發人員可以快速構建各種機器人程序。

以上便是NVIDIA提供給機器人研發人員的“四大法寶”，借助這些硬件、SDK、開發框架、參考案例和生態資源，研發人員能夠以最低的成本將工業生產中的數據轉化為AI機器人的開發資源，快速完成AI機器人的定義、開發、訓練和適配工作，推動制造業的生產力升級。目前，這樣的案例已經不勝枚舉，比如Foxconn在最新的一座虛擬工廠中，通過NVIDIA Omniverse來構建其數字孿生，通過Omniverse API 設計機器人工作單元與裝配線，并使用NVIDIA Isaac Sim訓練其中部署的機器人。

基于Omniverse的Foxconn虛擬工廠，圖源：NVIDIA

NVIDIA Omniverse重新定義機器人系統設計

機器人在數次生產力革命中得以延續，這也意味著打造AI機器人并不是從零起步，有大量的基礎數據作為支撐，尤其是在工業生產環境，過去幾十年的工業自動化積累了大量的數據。因而，如何高效實現數據到智能體的轉化，將成為工業企業決勝未來的關鍵。在此過程中，NVIDIA Omniverse帶來的數據可視化和模擬功能是強有力的工具，將重新定義工業機器人的系統設計。

上述提到，NVIDIA Isaac Sim便是基于Omniverse平臺中的OpenUSD資源構建而成。如下圖所示，Omniverse是NVIDIA Isaac Sim平臺的基礎，由于Omniverse平臺里的OpenUSD是面向3D世界的開放式可擴展生態系統，因此NVIDIA Isaac Sim也是完全可擴展的，允許研發人員構建自己的自定義模擬器，或者將Isaac Sim中準備就緒的資源融入在研的機器人模型中，同時適配整個機器人系統里的各種軟硬件資源，構建滿足機器人開發的模擬環境。

NVIDIA Isaac Sim平臺，圖源：NVIDIA

值得注意的是，OpenUSD在Omniverse平臺中不僅僅是一種文件格式，而是用于構建3D工作流程的資源，是一個用于在3D世界內進行描述、合成、仿真和協作的開放式可擴展生態系統。回歸機器人開發這一主題，OpenUSD為機器人開發構建物理精準的虛擬環境，環境中3D素材能夠做出和真實物體相同的行為表現。在NVIDIA Isaac Sim平臺中，面向工業機器人工作場景，擁有大量仿真就緒型素材，包括準確的物理特性，準確的物體行為，以及真實傳輸的數據流。因此，基于OpenUSD打造的SimReady資產，可以幫助研發人員快速構建工業機器人的AI模型——他們往往需要數千種資產來構建物理環境的數字鏡像，如果從零起步，工作量是不可想象的，SimReady資產加速了這一過程。

面向AI機器人設計，OpenUSD具有四大明顯的優勢：

·高度可擴展，OpenUSD這一特性可以完美應對工業機器人任務邊界不統一的問題，可以在3D模擬環境中持續優化算法模型以找到最具性價比的部署方式；
·非破壞性，當AI機器人升級時，尤其是添加和修改素材的過程中，非破壞性的工作流程讓系統迭代更加高效；
·方便協同，整個平臺不限定任何文件系統，有助于AI機器人設計方和AI機器人需求方平等溝通；
·自定義，歸功于Hydra渲染架構，OpenUSD讓可視化數據擁有非常高的靈活性，更加有利于從數據到AI機器人的轉化。

無論是RTX渲染能力，還是豐富的OpenUSD資源，研發人員并不需要為使用Omniverse平臺配備一套價值不菲的硬件加速器系統，Omniverse核心技術以簡單的API形式提供，有兩種使用方式：其一是通過任何云、多云或虛擬私有云；其二是在Microsoft Azure上通過NVIDIA Omniverse Cloud以托管服務的形式使用這些API。無論選擇哪種方式，都可以將OpenUSD和RTX渲染技術以極具性價比的方式融入到研發人員自己的機器人系統中。從這個角度來看，NVIDIA Omniverse平臺讓工業數據到AI機器人轉化的成本顯著降低。

截至目前，NVIDIA Omniverse生態伙伴系統擁有Siemens、Synopsys、Continental、Microsoft和Rockwell Automation等行業巨頭，他們正將NVIDIA Omniverse的3D虛擬能力帶到各行各業。比如，Siemens宣布已通過Omniverse Cloud API將OpenUSD集成到其 Xcelerator平臺應用中，使其客戶能夠將其數字孿生中的3D數據和服務與基于物理學的渲染相統一。

總結而言，NVIDIA Omniverse讓數字孿生全面進入3D時代，能夠從視覺、特性、動作等各個方面真實地反映物理世界的變化，這對研發工業領域的AI機器人是極其重要的，革新了AI機器人研發和迭代的模式。得益于NVIDIA持續的投入，以及NVIDIA Omniverse不斷擴大的生態伙伴系統，技術前瞻性也是NVIDIA Omniverse平臺不容忽視的一個優勢。如下圖所示，研發人員可以通過Omniverse Cloud API提供支持的應用或者基于Omniverse SDK構建，將生成式AI連接到3D工作流，用于生成語言或視覺內容。

基于NVIDIA Omniverse的3D工作流，圖源：NVIDIA

寫在最后

從第三次生產力革命到第四次生產力革命，機器人的地位發生了轉變，成為主要的社會生產力。具體到工業場景，過去數十年的工業自動化進程積累了大量的數據，為研發機器人打下了堅實的基礎，如何從數據高效轉化為AI機器人，是企業決勝未來的關鍵。

為實現“AI+機器人”更好地落地，NVIDIA提供了Metropolis、Isaac、Omniverse以及硬件平臺（Jetson平臺等）四大法寶，加速AI機器人系統的研發進程。其中，NVIDIA Omniverse提供了一種基于物理世界的3D虛擬環境，通過OpenUSD和RTX渲染技術，讓機器人研發系統具有極強的可視化特性，并真實反映物理世界的變化，使得數據到AI機器人的轉化變得非常高效和高性價比。借助NVIDIA這些工具，機器人成為主要的社會生產力指日可待。