NVIDIA Isaac Sim
PulseAugur coverage of NVIDIA Isaac Sim — every cluster mentioning NVIDIA Isaac Sim across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
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。
-
新的 GraspIT 数据集连接仿真到现实的机器人抓取
研究人员推出了 GraspIT，一个旨在通过连接仿真与现实世界应用来改进机器人抓取的新数据集。该数据集包含具有照片级逼真 RGB-D 观测和物理验证抓取质量标注的桌面场景。GraspIT 在 NVIDIA Isaac Sim 中的 Franka Panda 机器人上使用了四阶段物理滑动测试来生成连续质量分数和轨迹可达性检查，同时提供好的抓取和困难的负例。该数据集包含模拟和现实世界场景中约 316,000 个标注的 RGBD 帧集，以及…
-
新流程增强了从合成到真实域目标检测的自适应能力
研究人员开发了一个名为SmartSDG的新流程，该流程基于NVIDIA Isaac Sim并利用基于物理的着色（PBS），以改进目标检测模型从合成数据到真实世界数据的迁移。这项研究涉及使用YOLOv12框架进行的18次对照实验，发现复杂的间接照明和多样的背景显著增强了视觉线索的丰富性。研究结果表明，避免直接镜面高光可以保留重要的表面纹理，从而减小域间隙并提高模型在工业自动化中的性能。
-
新基准SoftVTBench评估机器人操作安全性
研究人员推出了SoftVTBench，这是一个旨在评估可变形物体机器人操作的新基准，重点关注任务完成和物理安全。该基准使用NVIDIA Isaac Sim构建，并采用有限元方法进行逼真的物体模拟，包含多视图RGB观测、触觉传感和语言指令。实验表明，仅评估任务成功会显著高估策略的性能，因为许多实现目标的动作仍然可能违反安全约束。触觉传感的引入显著提高了安全成功率，并减少了操作过程中的物体变形。
-
新模型通过整合视觉和状态来增强机器人操作能力
研究人员开发了几种新方法，通过更好地整合视觉信息与机器人的状态和动作来提高机器人操作能力。例如，GeoProp 是一种轻量级适配器，通过将机器人状态投影到图像平面并注入空间先验来对齐本体感觉和视觉。RoboDojo 提供了一个统一的模拟和真实基准，用于评估通用机器人操作策略在各种任务中的表现。DSWAM 引入了一种双系统方法，将世界动作模型执行器与视觉语言规划器相结合，以实现细粒度操作，而 DynaWM 使用专门针对动态物体操作的基于…
-
Nuwa Robotics 为“世界旅行者模型”筹集数百万美元用于具身智能
中国具身智能公司 Nuwa Robotics 已获得数千万人民币的天使轮和种子轮融资。该公司由百度自动驾驶与机器人实验室前负责人杨瑞刚博士创立，正在开发专注于使机器人能够在复杂人类环境中自主导航和交互的“世界旅行者模型”（WTM）。Nuwa Robotics 通过强调移动智能并通过先进的模拟和人工智能技术生成高质量的合成数据来区分自己，旨在创造一个多功能的
-
新流程改进了用于目标检测的合成到真实域自适应
研究人员开发了一个名为 SmartSDG 的新流程，该流程基于 NVIDIA Isaac Sim 并利用基于物理的着色 (PBS)，以改进目标检测模型从合成数据到真实世界数据的迁移。通过使用 YOLOv12 框架和名为 ILLUM_INTRUCK 的新数据集进行的 18 项实验，他们发现复杂的间接照明和多变的背景增强了视觉线索。他们的研究结果表明，避免直接镜面高光可以保留表面纹理，减小域间隙，并提高工业自动化中目标检测的鲁棒性。
-
新数据集助力机器人草莓采摘姿态估计
研究人员为机器人草莓采摘的6D姿态估计开发了一个新的数据集和基线。该数据集包含12,040张在农田中收集的真实世界图像，解决了以往研究中纯合成数据存在的局限性。实验揭示了持续存在的模拟到现实（sim-to-real）差距，凸显了准确评估和部署此类机器人系统对真实世界数据的关键需求。
-
脉冲神经网络整合人形机器人的手臂和腿部控制
研究人员开发了一种新颖的脉冲神经网络架构，能够协调人形机器人的手臂和运动控制。该系统集成了基于力的手臂控制和双足运动，并通过用于动作选择的脉冲基底神经节模型进行调解。该架构已在模拟中成功演示，能够执行目标抓取、绘画和路径跟随运动等任务，并在行走和手臂操作之间无缝切换。
-
NVIDIA Isaac Sim新增虚拟传感器以实现3D表面重建
研究人员开发了VIRTUS-FPP，一个在NVIDIA Isaac Sim中模拟条纹投影轮廓测量（FPP）的新型框架。该工具能够为3D表面重建创建高保真合成数据，无需复杂的物理校准和实验。该框架精确地模拟了从光线投射到3D重建的整个FPP流程，在模拟中展示了亚毫米级精度。
-
英伟达与LG集团合作建设AI工厂
英伟达已与LG集团合作建设AI工厂，旨在增强LG在机器人、自动驾驶和数据中心等核心业务。此次合作将利用英伟达的Isaac Sim和GR00T框架来训练家用机器人，并建立用于外部数据供应的实体AI数据工厂。此外，LG Uplus和LG CNS将利用英伟达的DSX平台构建可扩展的AI工厂，而LG Energy Solution将探索数据中心的储能解决方案。LG Electronics还将与英伟达的DRIVE Hyperion架构对齐，以实…
-
XenseRobotics 倡导触觉传感以实现机器人现实世界操作
XenseRobotics（千觉机器人）在 ICRA 2026 研讨会上发表讲话，强调触觉传感对于具身 AI 在现实世界操作中的关键作用。该公司展示了其集成方法，包括高精度触觉传感器、触觉模拟平台（Isaac Sim）以及 TouchGuide 等触觉引导策略。XenseRobotics 旨在为物理智能构建一个“触觉基础”，使机器人能够通过触觉更好地理解和与之交互。
-
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。
-
Interstellar Light Year 将在 ICRA 2026 上首次亮相 GAIA Hand 20
深圳 Interstellar Light Year Technology 将在维也纳举行的 ICRA 2026 会议上展示其 GAIA Hand 20，这是一款具有 20 个自由度的模块化机器人手。该机械手具有高度拟人化的设计、可选的触觉传感功能以及强大的功率重量比，仅重 790 克，同时可支持高达 15 公斤的负载。该公司还将展示其专有的微型关节模块，价格实惠，可降低构建机器人系统的成本。
-
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。
-
新基准测试 AI 从隐式人类意图中进行导航
研究人员推出了 IntentionNav，这是一个新的基准，旨在测试具身 AI 代理根据隐式人类指令进行导航和查找对象的能力。与指定目标对象的先前基准不同，IntentionNav 要求代理从自由文本意图中推断出对象，例如需要某物来加热食物。该基准包含 176 个模拟场景中的 500 个意图，评估表明当前模型在目标推断和任务成功完成方面存在困难，突显了间接人类意图是一个重大的瓶颈。
-
李飞飞3D新技术引热议，这家深圳公司两年前为何“不屑一顾”？
人工智能先驱李飞飞最近强调了3D高斯溅射（3DGS）在流式传输超过一亿个溅射点方面的进展，而一家名为XGRIDS的深圳公司声称早在两年前就已实现类似的移动流式传输能力。3DGS普及的核心挑战不在于技术可行性，而在于展示切实的价值和与现有工作流程的整合，这类似于视频的“MP4时刻”。XGRIDS的LCC解决方案侧重于将3D数据作为生产流程中的可用资产，而不仅仅是视觉显示，通过解决数据大小、传输和与行业工具兼容性等问题。
-
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。
-
NVIDIA推出用于自然语言控制和仿真的新AI机器人工具
NVIDIA宣布了多项新工具和模型，以加速AI驱动的机器人开发。其中包括用于自然语言指令遵循的NVIDIA Isaac GR00T开放模型以及用于合成数据生成的NVIDIA Cosmos世界模型。该公司还发布了开源物理引擎Newton 1.0，并扩展了其Isaac Sim仿真功能。这些进步旨在使机器人能够更有效地从虚拟训练过渡到现实世界部署。