NVIDIA Isaac Sim 現在可在 Amazon EC2 G6e 實例中的 NVIDIA GPU 云實例上使用，將機器人仿真的擴展速度提高了 2 倍并加快了 AI 模型的訓練速度。

Field AI 正在構建使機器人能夠自主管理各種工業流程的機器人大腦；Vention 創建了簡化機器人任務開發工作的預訓練技能；Cobot 推出的 AI 機器人 Proxie 專為搬運材料和適應動態環境而設計，能夠和人類默契配合完成各類工作。

這些領先的機器人初創公司都在使用 Amazon Web Services 上的NVIDIA Isaac Sim以實現技術突破。Isaac Sim 是一款基于NVIDIA Omniverse構建的參考應用，開發人員可以借助它，在基于物理學的虛擬環境中對 AI 驅動的機器人進行仿真和測試。

在近日的 AWS re:Invent 上，NVIDIA 宣布 Isaac Sim 現在能夠在NVIDIAGPU加速的 Amazon Elastic Cloud Computing（EC2）G6e 實例上運行。另外，借助NVIDIA OSMO云原生編排平臺，開發人員可以在 AWS 計算基礎設施上輕松管理復雜的機器人工作流。

通過在云端使用 NVIDIA 加速軟件與硬件組合，不同規模的團隊都能擴展他們的物理 AI 工作流。

物理 AI 指能夠理解物理世界并與之交互的 AI 模型。它標志著自主機器和機器人技術的新發展階段，例如自動駕駛汽車、工業機械手、移動機器人、人形機器人，乃至工廠、倉庫等依靠機器人運行的基礎設施。

開發人員正在借助物理 AI，使用“三臺計算機”進行訓練、仿真和推理，以此取得突破。

但機器人系統的物理 AI 需要強大的訓練數據集，才能在實際使用時作出精準的推理。而開發這樣的數據集并在現實環境中進行測試不切實際且成本高昂。

仿真解決了這個問題，它大大加快了 AI 驅動的機器人的訓練、測試和部署。

在云端利用GPU

拓展機器人仿真和訓練

通過使用仿真，可以在部署前驗證、確認和優化機器人的設計及其系統與算法，還可以在開始建造或改造前優化設施和系統設計，這不僅能夠提高效率，還能減少因生產變更而產生的高昂成本。

借助 NVIDIA GPU 提供的加速，Amazon EC2 G6e 實例的性能是之前架構的 2 倍，而且還能隨著場景和仿真復雜度的增加而靈活擴展。這些實例可以延伸到從數據生成到仿真和模型訓練等各種任務，因此可以用來訓練 AI 驅動的機器人所需要的許多計算機視覺模型。

通過在云中使用 NVIDIA OSMO，團隊可以在各種分布式計算資源上編排和擴展復雜的機器人開發工作流，無論是在本地還是在 AWS 云中。

Isaac Sim 提供了最新機器人仿真功能和云的訪問途徑，促進了協作。其中的一個關鍵工作流是生成用于感知模型訓練的合成數據。

通過使用結合了NVIDIA Omniverse Replicator與NVIDIA NIM 微服務的參考工作流，開發人員可以構建生成式 AI 賦能的 SDG 流水線。NVIDIA Omniverse Replicator 是一個用于構建自定義合成數據生成（SDG）流水線的框架，同時也是 Isaac Sim 的核心擴展。

所使用的 NVIDIA NIM 微服務包括用于生成 Python USD 代碼和回答 OpenUSD 查詢的 USD Code NIM 微服務以及基于自然語言或圖像輸入搜索 OpenUSD 資產的 USD Search NIM 微服務。Edify 360 HDRi NIM 微服務可生成 360 度環境地圖，而 Edify 3D NIM 微服務可根據文本或圖像提示創建隨時可編輯的 3D 資產。生成式 AI 的強大功能減少了資產創建、圖像增強等許多繁瑣的人工步驟，簡化了合成數據的生成。

Rendered.ai 依靠其集成了 Omniverse Replicator 的合成數據工程平臺，生成投喂給計算機視覺模型的合成數據。此類模型正在被安全行業和智能化行業以及制造業和農業等行業所使用。

IT 咨詢和數字服務提供商 SoftServe 使用 Isaac Sim 生成合成數據，并與歐洲一流的食品生產商 Pfeifer & Langen 合作，驗證用于垂直農業的機器人。

Tata Consultancy Services 正在構建定制的合成數據生成流水線，以便增強其 Mobility AI 套件，通過對現實世界場景進行仿真，滿足汽車和自動駕駛用例的需求。該公司的應用包括缺陷檢測、生產線末端質量檢測和危險規避。

機器人在仿真中進行學習

Isaac Sim 使開發人員能夠在達到物理學精度的仿真中測試和驗證機器人，而基于 Isaac Sim 構建的開源機器人學習框架 Isaac Lab 則為建立可在 AWS Batch 上運行的機器人策略提供了一個虛擬試驗場。

由于這些仿真可重復使用，開發人員能夠輕松排除故障并減少驗證和測試的循環次數。

多家機器人開發商正在 AWS 上使用NVIDIA Isaac來開發物理 AI：

Aescape通過在 Isaac Sim 中對機器人的機載傳感器進行精確模擬和調整，使其機器人能夠提供精準定制的按摩服務。

Cobot使用 Isaac Sim 與其 AI 驅動的協作機器人 Proxie 優化倉庫、醫院、制造現場等地點的物流。

Cohesive Robotics已將 Isaac Sim 集成到其 Argus OS 軟件框架中，該框架用于開發和部署高度混合制造環境中使用的機器人工作單元。

機器人基礎模型制造商Field AI使用 Isaac Sim 和 Isaac Lab 評估其模型在復雜、非結構化環境中的性能，包括建筑、制造、石油和天然氣、采礦等行業。

Standard Bots正在對其 R01 機器人的性能進行仿真和驗證，該機器人被用于制造和加工環境。

Swiss Mile正在將 Isaac Sim 和 Isaac Lab 用于機器人學習，提高輪式四足機器人在工廠和倉庫中自主執行任務的效率。

全棧云自動化平臺提供商Vention正在利用 Isaac Sim 為中小型制造商使用的機器人單元開發和測試新功能。