拉斯维加斯—CES—太平洋时间 2025 年 1 月 6 日—未来二十年，预计人形市场将达到380 亿美元。为了满足这一巨大需求，尤其是工业和制造业领域的需求，NVIDIA 发布了一系列机器人基础模型、数据管线和仿真框架，以加速下一代人形机器人的开发进程。

NVIDIA创始人兼首席执行官黄仁勋今日在CES上宣布NVIDIA 正式推出用于合成运动生成的 NVIDIA Isaac GR00T Blueprint，该Blueprint 可帮助开发者生成海量的合成运动数据，以便通过模仿学习来训练人形机器人。

模仿学习是机器人学习的一个子集，它能让人形机器人通过观察和模仿人类专家的示范来获取新技能。在真实世界中收集这些广泛、高质量的数据集既繁琐又耗时，而且成本往往高得令人却步。通过用于合成运动生成的 Isaac GR00T Blueprint，开发者只需少量人类示范，就能轻松生成海量的合成数据集。

首先通过 GR00T-Teleop 工作流，用户可以借助 Apple Vision Pro 在数字孪生环境中捕捉人类动作。这些人类动作会被记录下来作为金标准，并在仿真环境中由机器人模仿学习。

然后，GR00T-Mimic 工作流会将捕捉到的人类示范扩展成更大的合成运动数据集。最后，基于NVIDIA Omniverse和NVIDIA Cosmos 平台构建的 GR00T-Gen 工作流，会通过域随机化和 3D 提升技术，指数级扩增这个数据集。

之后，该数据集可作为机器人策略的输入，在NVIDIA Isaac Lab（一个用于机器人学习的开源模块化框架）中，教会机器人如何在其环境中高效且安全地移动和互动。

世界基础模型缩小仿真与现实的差距

NVIDIA在 CES 上还发布了 Cosmos 平台，该平台拥有一系列开放的预训练世界基础模型，专为生成具有物理感知的视频和物理 开发所需的世界状态而设计。它包含自回归模型和扩散模型，有各种模型尺寸并适用于多种输入数据格式。这些模型基于 1800 万亿个数据单元进行训练，其中包括 200 万小时的自动驾驶、机器人、无人机拍摄的视频以及合成数据。

除了帮助生成大型数据集外，Cosmos 还能通过将图像从 3D 扩展到真实场景，缩小仿真与现实之间的差距。将 Omniverse（一个用于构建 3D 应用程序和服务的应用程序编程接口和微服务开发平台）与 Cosmos 相结合至关重要，通过其高度可控、物理精确的仿真提供关键保障，有助于最大限度地减少世界模型常见的幻觉问题。

不断扩展的生态系统

NVIDIA Isaac GR00T、Omniverse 和 Cosmos 正在助力物理 和人形机器人创新实现巨大飞跃。包括波士顿动力和 Figure 在内的主要机器人公司已开始采用 Isaac GR00T，并展示了相关成果。

人形机器人的软件、硬件制造商以及机器人厂商可以申请提前加入NVIDIA的人形开发者计划。