本文来自微信公众号“电子发烧友网”，
电子发烧友网综合报道，在节前的机器人学习大会（CoRL）上，NVIDIA发布了一系列突破性技术，包括开源物理引擎Newton、机器人基础模型Isaac GROOT N1.6以及全新AI基础设施。这些技术为机器人研发提供了一套完整解决方案，旨在缩小仿真与现实之间的差距，加速人形机器人从实验室走向实际应用的进程。
Newton：机器人“身体”的精准仿真引擎
长期以来，人形机器人复杂的关节控制、平衡调节与动作迁移难题，让现有物理引擎难以满足需求。此次NVIDIA联合Google DeepMind、Disney Research推出的开源物理引擎Newton，彻底打破这一僵局——基于NVIDIA Warp和OpenUSD框架构建、由Linux Foundation管理的它，不仅兼容多种物理求解器，更能精准仿真机器人在雪地、碎石路行走，或操控杯子、水果等精细动作，且能安全可靠地将这些技能迁移到现实场景。
苏黎世联邦理工学院机器人系统实验室、慕尼黑工业大学、北京大学等全球顶尖高校，以及光轮智能、Style3D等机器人技术公司已率先应用Newton开展研发。“全球超过25万机器人开发者亟需精准的物理仿真技术，以确保在仿真环境中教会机器人技能，同时安全可靠地迁移到现实世界。”NVIDIA Omniverse与仿真技术副总裁Rev Lebaredian表示，“Newton正是解决这一痛点的关键工具。”
Isaac GROOT N1.6：赋予机器人“深度思考”能力
机器人不仅需要精准的动作控制，更需要理解模糊指令并应对复杂场景的能力。NVIDIA Isaac GROOT N1.6开源基础模型将为机器人赋予接近人类的推理能力，使其能够拆解复杂指令，并借助已有知识与常识执行任务。
该模型即将在Hugging Face平台上线，届时将集成NVIDIA Cosmos Reason——一款专为物理AI打造的开源、可定制推理视觉语言模型。作为机器人的“深度思考大脑”，Cosmos Reason能够利用已有知识、常识和物理原理，将模糊的指令转化为逐步执行的计划，从而应对新场景并泛化到多种任务中。
Cosmos Reason作为机器人的“深度思考大脑”，其创新点在于：
- 物理常识知识库：内置结构化物理知识库，包含物体动力学属性（如“玻璃易碎，抓取时压力需＜5N”）和动作-效果关联（如“推开沉重的门时，需先施加推力，再保持门的运动轨迹”）；
- 层次化任务拆解：面对模糊指令（如“把红色盒子放到书架第二层”），模型会分三步拆解——目标解析、子任务拆分和动作参数化，将抽象指令转化为机器人关节的具体参数。
在NVIDIA内部测试中，面对100条模糊物理指令，Cosmos Reason的任务拆解准确率达91%，远超传统视觉语言模型的68%。
全新AI基础设施：支撑机器人研发全流程
为支持这些先进技术和软件库，NVIDIA推出了专为高要求工作负载设计的AI基础设施，具体包括：
- NVIDIA GB200 NVL72：集成36个Grace CPU和72个Blackwell GPU的机架式系统，目前已由各大云服务提供商采用，可显著加速AI训练和推理过程；
- NVIDIA RTX PRO服务器：为机器人开发提供统一架构，支持训练、合成数据生成、机器人学习和仿真等全环节需求；
- NVIDIA Jetson Thor：搭载Blackwell GPU，能够支持机器人同时运行多个AI工作流，实现实时智能交互。
结语
从仿真引擎到推理模型，从数据生成到硬件支撑，NVIDIA此次发布的技术矩阵，正打通机器人“研发-测试-落地”全链路。随着开源生态的持续完善与产学研协同的深化，人形机器人距离“走进日常生活”的目标，正迈出关键一步。
