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(yè)，比如科學研究、醫(yī)療保健和制造業(yè)等，非常具挑戰(zhàn)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(fā)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(chǎn)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(fā)人形機器人 GR-2

為了開發(fā)和測試 GR-2，傅利葉團隊采用了NVIDIA Isaac Gym（現(xiàn)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(shù)的關(guān)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?qū)崿F(xiàn)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(huán)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(huán)境中的實際表現(xiàn)。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(jié)省了時間和資源。

通過優(yōu)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(xiàn)，并在約 15 小時內(nèi)完成了 3,000 次迭代，與傳統(tǒng)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(yōu)化開發(fā)流程，傅利葉團隊還使用了 NVIDIA TensorRT 軟件開發(fā)工具包進行實時推理優(yōu)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(shù)支持的多物理虛擬環(huán)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(shù)，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(fā)團隊之間的協(xié)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(xiàn)。

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(shù)的邊界。通過改進機器人的實時運動控制和 AI 驅(qū)動的決策能力，我們正在為服務行業(yè)、學術(shù)研究和醫(yī)療康復等領域的人機交互設定新標準?！?/p>