Isaac Lab
PulseAugur coverage of Isaac Lab — every cluster mentioning Isaac Lab across labs, papers, and developer communities, ranked by signal.
-
新的强化学习框架弥合了四足机器人运动的仿真到现实鸿沟 · 跟踪2个来源
研究人员开发了新的四足机器人运动强化学习（RL）框架，解决了仿真到现实的鸿沟问题。第一种方法利用NVIDIA的Isaac Sim和Isaac Lab，在Unitree Go1上实现了全身控制的零样本仿真到现实迁移，展示了对干扰的鲁棒恢复能力，并达到了2.0米/秒的线性速度。第二种框架侧重于重型四足机器人的扭矩驱动强化学习，使其能够在没有明确速度观测的情况下穿越崎岖地形并跟踪期望速度，在Unitree B1上的仿真结果达到了3.5米/秒。
-
新的RAPT模型增强了人形机器人在模拟到现实迁移中的安全性
研究人员开发了RAPT（循环概率轨迹模型），一个新系统，旨在检测分布外状态和诊断人形机器人在模拟到现实部署中的故障。这个轻量级的、自监督模型以50赫兹运行，并从模拟数据中学习名义机器人行为，以预测实际执行中的偏差。RAPT旨在提供经过校准的、每维度的预测偏差信号，能够在严格的误报约束下进行检测，并定位执行何时何地偏离名义行为。对于事后诊断，RAPT集成了时间显著性、关节运动学摘要和基于LLM的语义推理，以零样本方式对故障原因进行分类。
-
四足机器人通过强化学习掌握自适应上下楼梯能力
研究人员开发了一种新颖的两阶段深度强化学习框架，使四足机器人（特别是 Unitree Go2）能够为消防任务导航和适应各种室内楼梯。该方法首先在 Isaac Lab 的抽象金字塔地形上训练机器人，然后将学习到的策略迁移到更复杂、更真实的室内楼梯，包括直线型、L 型和螺旋型设计。这种方法仅使用局部高度图感知即可统一学习导航和运动，展示了跨不同楼梯形状的策略泛化能力，并对不同难度下的性能进行了分析。
-
EVIS插件为NVIDIA Isaac Sim生成基于物理的事件相机数据
研究人员开发了EVIS，一个用于NVIDIA Isaac Sim的新插件，可以生成基于物理的事件相机数据。该工具通过在模拟器中创建高帧率、完全标记的事件流，解决了标记事件相机数据稀缺的问题。EVIS可以集成到现有的Isaac Sim/Isaac Lab场景中，并可以合成中间帧以实现实时生成，使数据可以直接用于训练基于事件的感知和控制网络。
-
Anyscale 使用 Ray 实现可扩展的机器人策略评估
Anyscale 已经开发了一种新的方法，通过在其托管平台上利用 Ray 和 Isaac Lab 来评估机器人基础模型。这种方法通过分离 GPU 绑定工作负载来解决机器人仿真和策略推理中的挑战。该系统允许仿真和策略推理独立扩展，从而能够在无需为每次试验重新加载模型的情况下实现数百次并行运行。
-
NVIDIA Isaac Lab 为AI领导力提供虚拟机器人模拟
NVIDIA的Isaac Lab正在为人形机器人开发（特别是Atlas机器人）进行数百万次虚拟模拟，使RAI Lab能够进行这些模拟。这种方法绕过了直接掌握机器人运动技能的需要，暗示了欧洲在AI和机器人行业重新获得领先地位的潜在途径。
-
天机智能将在ICRA 2026展示新款Gento机器人
天机智能宣布将成为在维也纳举行的ICRA 2026的白金合作伙伴，届时将展示其新款Gento系列力控人形机器人平台。该公司将推出三款不同型号：Gento Luna，一款可折叠轮式机器人；Gento Skye，一款专为强化学习和具身AI研究设计的平台；以及Marvin Pro+M6S Lite，一款高精度固定基座机器人。演示内容将包括远程操作、数据收集和人机交互协作，以及关于其在力控和具身AI开发工具方面进展的技术讲座。
-
寻求 NVIDIA Isaac Lab RL 用户以了解最佳实践
一位 Reddit 用户希望了解使用 NVIDIA Isaac Sim 及其强化学习模块 Isaac Lab 的当前实践。用户认为 Isaac Lab 的文档不足，并担心新机器人环境和自定义算法的设置过程。他们正在权衡是使用 Isaac Lab 的框架（尽管存在一些问题）还是直接与 Isaac Sim 接口并构建自己的 RL 代理处理程序。
-
机器人适应框架 CoRMA 使用语义上下文进行装配
研究人员开发了 CoRMA，一个新颖的机器人运动适应框架，专为力主导的装配任务而设计。该系统利用紧凑的 6D 语义接触上下文，通过因果 Transformer 适配器从传感器数据中在线推断。CoRMA 能够在无需演示或梯度更新的情况下实现单集适应，在钉子插入和齿轮啮合等任务上，与现有方法相比，显示出更高的实际成功率。
-
西门子试用英伟达驱动的人形机器人执行自主工厂任务
西门子已在其位于德国埃尔兰根的工厂成功试用了HMND 01 Alpha人形机器人。该机器人由Humanoid公司开发，并由Nvidia的AI技术驱动，与人类工人一起执行了自主物流任务，每小时完成60个集装箱搬运，成功率超过90%。此次试用标志着将AI驱动的机器人技术整合到实际工业运营中的重要一步，以应对劳动力短缺和运营复杂性。