本文和傅利葉研究團隊合作完成。

訓練人形機器人在需要高度交互性與適應性的領域作業，比如科學研究、醫療保健和制造業等，非常具挑戰性且資源消耗很大。

總部位于上海的機器人公司傅利葉正在努力在該領域取得突破，開發先進的人形機器人，使其能夠融入對精準度和靈活性要求極高的真實應用場景。

傅利葉于去年 9 月底宣布推出 GR-2，擴展了其 GRx 人形機器人系列。相較于上一代 GR-1（全球首款量產人形機器人），GR-2 進行了硬件設計升級，具備更強的適應性、更先進的靈活性，以及類似人類的活動范圍。

利用 NVIDIA Isaac Gym開發人形機器人 GR-2

為了開發和測試 GR-2，傅利葉團隊采用了NVIDIA Isaac Gym（現已棄用）進行強化學習。他們目前正在將其工作流遷移到NVIDIA Isaac Lab，這是一個開源的模塊化機器人學習框架，旨在簡化機器人適應新技能的過程。

從仿真到真實的學習已成為機器人技術的關鍵，特別是對于坐下、起身甚至跳舞等復雜動作而言。借助 Isaac Gym，傅利葉能夠實現對真實場景的仿真，最大限度地減少測試和維護的時間和成本。

團隊仿真了復雜的多機器人場景和真實環境，從而增強了 AI 決策的魯棒性，并提升了機器人在不可預測環境中的實際表現。傅利葉還利用 Isaac Gym 對抓取算法進行預訓練，在實際部署前，對成功率進行仿真測算。這種方法顯著減少了真實世界中的試錯，節省了時間和資源。

通過優化 AI，為真實世界的機器人應用賦能

在訓練 GR-2 完成從地面躺姿到站立的動作時，傅利葉對在不同高度完成任務所需的物理條件進行了仿真。通過復制 GR-2 模型，他們測試了該模型在各種設置下的表現，并在約 15 小時內完成了 3,000 次迭代，與傳統訓練方法相比，時間顯著縮短。當直接將模型應用于 GR-2 的物理控制時，模型的動作張量成功率達到了 89%。

為了優化開發流程，傅利葉團隊還使用了 NVIDIA TensorRT 軟件開發工具包進行實時推理優化，利用 CUDA 庫進行并行處理，并使用 NVIDIA cuDNN 庫加速 PyTorch 等深度學習框架。

遷移到 NVIDIA Isaac Lab 將使傅利葉能夠在由 NVIDIA RTX 分塊渲染技術支持的多物理虛擬環境中，訓練更復雜的算法并進行更多仿真。

探索下一代機器人能力

通過采用 NVIDIA 技術，傅利葉顯著縮短了模型訓練時間，并提高了仿真的準確性，從而增強了工程和研發團隊之間的協作。

NVIDIA 的工具還讓復雜的 AI 功能，如語言模型和預測分析等成為了可能，這些功能以往因資源消耗過大而難以實現。

傅利葉 CEO 顧捷表示：“我們所取得的進展正在突破人形機器人技術的邊界。通過改進機器人的實時運動控制和 AI 驅動的決策能力，我們正在為服務行業、學術研究和醫療康復等領域的人機交互設定新標準。”