機器人的“思考腦力”提升+“運動表現(xiàn)”增強，英偉達發(fā)布全新Isaac GR00T N1.6、Newton物理引擎和全新世界基礎模型

如何讓人形機器人變得更加“類人化”？這是業(yè)界探索的方向。在學習能力上，我們期望機器人具備泛化能力、模糊指令的推理能力；在運動表現(xiàn)上，我們希望其能夠應對真實物理世界的各種復雜環(huán)境、實現(xiàn)更好的環(huán)境感知和更高難度復雜動作。而在整個的訓練過程中，我們又期待能夠進一步縮短Sim2Real的差距，加速機器人的開發(fā)和部署。所有的這些背后，離不開強大的仿真引擎、推理模型和更全面的工具集。

在CoRL 2025上，英偉達發(fā)布了全新的Isaac GR00T N1.6人形機器人基礎模型和Newton物理引擎。Isaac GR00T N1.6預集成了Cosmos Reason作為核心組件，將大幅提升機器人的“腦力”，而Newton來自與Google DeepMind、Disney Research合作的成果，將會增強機器人在復雜物理世界中的“運動表現(xiàn)”。除此外，英偉達也帶來了全新的世界基礎模型更新，包括即將推出的Cosmos Predict 2.5和Cosmos Transfer 2.5。

NVIDIA Newton：可微分物理能力提升復雜任務訓練效率

NVIDIA Newton 是一個開源、GPU 加速的物理引擎，于今年3月在GTC San Jose首次宣布，由 NVIDIA 聯(lián)合 Google DeepMind 和 Disney Research 共同開發(fā)，基于 NVIDIA Omniverse 平臺和 OpenUSD 格式構建。該引擎專為機器人研究人員設計，旨在通過高保真、可微分的物理模擬加速機器人訓練與開發(fā)。其 Beta 版本現(xiàn)已向所有機器人開發(fā)者開放，由 Linux Foundation 托管，確保其開源性和社區(qū)驅動特性。

Newton 的設計目標是解決機器人訓練中的關鍵挑戰(zhàn)，特別是人形機器人和其他復雜機器人系統(tǒng)在關節(jié)、平衡和運動方面的復雜性。它通過提供靈活、模擬器無關的架構，與多種機器人學習框架（如 Joker 和 NVIDIA Isaac Lab）無縫兼容。Newton 具備可微分物理能力，使機器人能夠通過試錯學習動作如何影響環(huán)境結果，類似于人類通過反復嘗試優(yōu)化行為。使用可微分物理模擬器訓練控制策略，梯度可以直接從任務目標（如末端執(zhí)行器位置）反向傳播到控制輸入。這種方式相比強化學習的路徑更高效，樣本利用率高，因此這種特性特別適用于訓練機器人執(zhí)行移動和物體操縱等復雜任務。

此外，Newton 支持多種求解器協(xié)同工作，能夠處理復雜的多場景模擬，提升了其靈活性和擴展性。全球領先的學術機構，包括蘇黎世聯(lián)邦理工學院機器人系統(tǒng)實驗室、慕尼黑工業(yè)大學和北京大學，已開始采用 Newton，用于機器人研究和開發(fā)。NVIDIA Omniverse和模擬技術副總裁Rev Lebaredian強調(diào)，Newton 的開源性質(zhì)使其成為社區(qū)驅動的工具，旨在推動全球機器人學界的合作與創(chuàng)新。

通過 Newton，NVIDIA 為機器人開發(fā)者提供了強大的模擬工具，助力生成物理準確的合成數(shù)據(jù)，減少對成本高昂且潛在危險的現(xiàn)實世界數(shù)據(jù)的依賴，從而加速物理 AI 的開發(fā)和部署。

泛化能力提升，更具“類人”推理能力——NVIDIA Isaac GR00T N1.6集成“深度思考大腦”

自OpenAI 的 CLIP（Contrastive Language–Image Pretraining）模型的成功之后，VLA實現(xiàn)了處理靜態(tài)視覺信息和語言關聯(lián)方面的成功，為機器人感知環(huán)境奠定了基礎。但Rev Lebaredian指出：“它們（VLA）尚未能夠解決多步任務，也無法處理歧義或新奇體驗。人類可以基于日常經(jīng)驗導航物理世界中多樣化場景的長尾。但人形機器人需要推理能力來理解歧義指令并適應全新的、陌生的情境?！?

換言之，現(xiàn)在的VLA模型很擅長認東西、找規(guī)律，但遇到需要多步操作、模糊指令或全新場景時就“懵了”。而我們?nèi)祟惪咳粘＝?jīng)驗能輕松應對各種復雜情況，但機器人要想做到類似的事，必須有“思考”、“推理”能力，能理解模糊的話、適應沒見過的情景。而這就是NVIDIA Isaac GR00T N1.6將要幫助機器人“進化”的下一步目標。

此次發(fā)布的NVIDIA Isaac GR00T N1.6 是開源機器人基礎模型的全新版本，即將登陸Hugging Face平臺。相比Isaac GR00T N1.5，它最大的特點在于——集成了Cosmos Reason作為核心組件，能夠大幅提升機器人在不同場景中的泛化能力。

從人類學習的角度看，泛化能力是一種核心認知機制。幼童通過有限互動學會用勺子吃飯后，能將技能泛化到不同餐具或環(huán)境，源于大腦提取抽象規(guī)則而非死記硬背。這種能力遷移到機器人，即從有限訓練數(shù)據(jù)中習得知識，應用于未見環(huán)境、物體或任務，避免僅在特定場景有效。而推理能力是這種泛化的認知基礎，通過語義解析、知識遷移和動態(tài)調(diào)整，機器人能理解模糊指令（如“拿那個東西”）并適應新場景（如未知廚房等）。通過推理能力來提取通用規(guī)則，然后才能實現(xiàn)機器人的泛化表現(xiàn)，實現(xiàn)機器人從“專才”向“通才”的轉型，類似人類通過邏輯應對復雜世界。提升泛化需增強推理，如通過多模態(tài)訓練或因果推理模塊優(yōu)化。

Cosmos Reason是一個開源且可定制的推理視覺語言模型，專為物理AI設計。而將Cosmos Reason引入 Isaac GR00T N1.6，就類似于為人形機器人注入一個“深度思考大腦”，它能處理模糊指令和從未見過的罕見場景，利用先驗知識、常識以及物理原理，將這些指令轉化為步步推進的行動計劃，從而實現(xiàn)跨任務的泛化能力。這使得 Isaac GR00T N1.6在執(zhí)行物理世界中的類人任務時顯著提升了推理水平，不再僅依賴預訓練數(shù)據(jù)，而是能實時規(guī)劃和適應新環(huán)境，解決了傳統(tǒng)機器人模型在泛化方面的瓶頸。

除了Cosmos Reason的引入外，Isaac GR00T 1.6 還增強了人形機器人的運動與物體操作能力，提供了更大的軀干和手臂自由度，使機器人能夠應對更具挑戰(zhàn)性的任務，例如打開沉重的門。

世界基礎模型更新，加速Sim2Real進程

與基于互聯(lián)網(wǎng)海量人類知識訓練的傳統(tǒng)大語言模型（LLM）不同，物理 AI 模型的訓練面臨數(shù)據(jù)稀缺的挑戰(zhàn)?，F(xiàn)實世界數(shù)據(jù)的采集成本高昂且存在潛在風險，預訓練的局限性也限制了模型的迭代能力。機器人要實現(xiàn)從基礎感知到高級智能的演進，就需要具備足夠高質(zhì)量的數(shù)據(jù)支持。通過人類演示和合成數(shù)據(jù)生成（結合強化學習和物理模擬），能夠顯著提升機器人的模型能力。

Rev Lebaredian強調(diào)，仿真對于開發(fā)和部署機器人至關重要，其作用主要體現(xiàn)在兩個方面。首先，仿真是生成訓練機器人智能所需數(shù)據(jù)的主要方式。機器人需要一種通用的智能，使其能夠在物理世界中工作，而這種智能的訓練依賴于物理準確、豐富多樣且能夠代表現(xiàn)實世界中各種情境的數(shù)據(jù)。由于在現(xiàn)實世界中收集這些數(shù)據(jù)的難度大、成本高，有時甚至在物理上不可行或存在危險，因此必須通過仿真來生成這些數(shù)據(jù)。其次，仿真在將新AI部署到物理機器人之前，用于測試其性能和安全性。在AI進入現(xiàn)實世界之前，我們需要確保其行為可靠，不會對自身或他人造成傷害，并能達到預期的表現(xiàn)。仿真提供了一個快速、安全且成本效益高的測試環(huán)境。因此，仿真不僅用于生成訓練AI所需的適當數(shù)據(jù)，還用于以安全、可擴展的方式測試AI的性能，從而確保機器人在現(xiàn)實世界中的可靠性和安全性。

仿真是橋接虛擬與現(xiàn)實（Sim2Real）的關鍵橋梁，而英偉達正通過其最新創(chuàng)新來進一步強化這一橋梁。此次英偉達宣布將會帶來世界基礎模型的重大升級版，其中包括即將發(fā)布的Cosmos Predict 2.5和Cosmos Transfer 2.5。這一升級不僅能助力生成海量基于物理的合成數(shù)據(jù)，幫助開發(fā)者克服現(xiàn)實世界數(shù)據(jù)收集的瓶頸，還能無縫集成到Omniverse模擬環(huán)境中，實現(xiàn)更精確的場景構建和AI測試，讓機器人開發(fā)變得更具可擴展性。

據(jù)悉，即將發(fā)布的Cosmos Predict 2.5能夠從初始狀態(tài)預測未來狀態(tài)，實現(xiàn)三個獨立模型的統(tǒng)一，從而減少后訓練時間、復雜性和計算成本；其輸出質(zhì)量明顯高于先前版本以及同等規(guī)模的開源模型；此外，它現(xiàn)支持多視圖輸出，適用于多傳感器機器人和自動駕駛車輛，并能生成長達30秒的視頻。

而即將發(fā)布的Cosmos Transfer 2.5則負責世界到世界（world to world）的風格轉移，旨在彌合模擬環(huán)境和現(xiàn)實世界之間的感知鴻溝。其最新版本模型大小僅為上一代模型的 1/3.5，從而降低計算成本，并便于開發(fā)者增強和擴展訓練數(shù)據(jù)。這些模型的結合，使得生成數(shù)百個虛擬的、傳感器豐富的環(huán)境用于機器人訓練成為可能，從而顯著減少對現(xiàn)實世界數(shù)據(jù)的依賴。

從感知AI到物理AI，英偉達三臺計算機加速行業(yè)協(xié)作

AI的快速發(fā)展正在推動技術從感知AI向生成AI、代理AI，最終邁向物理AI的轉型。這一演進歷程始于十多年前AlexNet的出現(xiàn)，AI由此進入大爆炸式發(fā)展階段，感知AI時代正式。當時，神經(jīng)網(wǎng)絡專注于單一任務，如圖像分類和語音識別。隨后，Transformer模型的發(fā)明引領了生成AI時代，模型規(guī)模更大、訓練數(shù)據(jù)更多，具備通用性，能執(zhí)行多種任務。目前，我們正步入代理AI時代，自主系統(tǒng)能夠在信息和知識領域使用工具、編寫代碼或執(zhí)行復雜任務。緊隨其后的是物理AI時代，代理AI被賦予物理實體，進入機器人領域。這一時代建立在過去十年的技術積累之上，尤其在自動駕駛汽車等特定機器人領域已顯現(xiàn)成熟跡象。自動駕駛作為運輸機器人的一種，因其主要任務是避免碰撞，相較于需與環(huán)境直接交互的通用機器人，技術實現(xiàn)相對簡單，但仍是物理AI的重要起點。

Rev Lebaredian強調(diào)，構建物理AI和人形機器人是一項極其復雜的挑戰(zhàn)，涉及眾多行業(yè)和子任務，單一公司難以獨立完成。所需的研究、工程以及商業(yè)模式創(chuàng)新規(guī)模龐大，因此需要整個行業(yè)生態(tài)系統(tǒng)的協(xié)作。英偉達在這一生態(tài)系統(tǒng)中定位明確，專注于為機器人和物理AI提供三種關鍵計算平臺：一是嵌入機器人內(nèi)部的Jetson Thor和IGX Orin計算機；二是生成機器人“大腦”的DGX和HGX AI工廠計算機；三是基于RTX Pro Blackwell平臺的Omniverse模擬計算機，用于AI大腦的開發(fā)與測試。這些計算平臺對機器人生態(tài)系統(tǒng)至關重要，但英偉達并非獨自承擔所有任務。行業(yè)需要其他公司開發(fā)機器人硬件、操作系統(tǒng)、管理工具以及特定場景的AI模型。英偉達的獨特優(yōu)勢在于其廣泛的合作網(wǎng)絡，幾乎所有從事物理AI或機器人的公司都在使用至少一種英偉達的計算平臺，許多公司甚至同時使用兩種或三種。這種合作模式凸顯了英偉達在推動物理AI和機器人產(chǎn)業(yè)向前發(fā)展中的核心角色，同時也反映了行業(yè)協(xié)作的必要性，以應對機器人技術發(fā)展的復雜性和多樣性。