详细内容或原文请订阅后点击阅览
进入Omniverse：开源物理引擎和OpenUSD Advance Robot Learning
制造能够在工厂、医院和公共场所与人类工人一起有效操作的机器人提出了巨大的技术挑战。这些机器人需要像人类一样的灵活性、感知、认知和全身协调能力，才能实时导航不可预测的现实世界环境。
来源:NVIDIA 博客 _机器人技术编辑注：此博客是Omniverse的一部分，该系列重点介绍了开发人员，3D从业人员和企业如何使用OpenUSD和Nvidia Omniverse的最新进展来改变其工作流程。
编辑注：此博客是 进入Omniverse ，一系列专注于开发人员，3D从业者和企业如何使用OpenUSD和Nvidia Omniverse的最新进展来改变其工作流程。建造机器人可以与工厂，医院和公共场所中的人类工人一起有效运行，这是一个巨大的技术挑战。这些机器人需要实时驾驶不可预测的现实环境，才需要类似人类的灵活性，感知，认知和全身协调。
“ SIM-FIRS”方法通过在模拟环境中使用实际机器人捕获的数据和合成数据进行数百或数千个机器人实例的平行培训，从而解锁了这些关键技能。通用场景描述（OpenUSD）为这种高级机器人开发提供了基础框架，它是可扩展的，可互操作的数据标准，使开发人员能够构建物理准确的虚拟世界，在将机器人可以练习并完善其技能之前，然后将其传输到现实世界中。
“ sim-first”方法 合成数据 通用场景描述加速物理AI开发
nvidia在本周的机器人学习会议上宣布了开放式物理模拟，开放基础模型和开发框架的突破性进步，包括：
牛顿物理引擎：虽然机器人在模拟中学习更快，更安全，但人形机器人（具有复杂的关节，平衡和运动）正在将当今的物理引擎推向极限。
牛顿物理引擎 仿真 类人机器人由Google Deepmind，Disney Research和Nvidia开发，并由Linux Foundation管理，牛顿是开源的GPU加速物理引擎，可推进机器人学习。
由Linux基金会管理 ：