基于真實世界演示訓(xùn)練機器人策略，不僅成本高、速度慢，還容易出現(xiàn)過擬合問題，進而限制其在不同任務(wù)與環(huán)境中的泛化能力。而仿真優(yōu)先的方法可簡化開發(fā)流程、降低風(fēng)險與成本，同時部署到真實環(huán)境也將更安全、適應(yīng)性更強。

最新的Isaac Lab 2.3早期開發(fā)者預(yù)覽版，通過先進的全身控制、強化的模仿學(xué)習(xí)和更優(yōu)的運動能力，提升了人形機器人的性能。此次更新還擴展了遙操作的數(shù)據(jù)收集功能，可支持 Meta Quest VR 和 Manus 手套等設(shè)備，加速了演示數(shù)據(jù)集的創(chuàng)建。此外，新版本引入了基于運動規(guī)劃器的工作流，用于在操作任務(wù)中生成數(shù)據(jù)。

新增強化學(xué)習(xí)與模仿學(xué)習(xí)：Isaac Lab 2.3 為靈巧操作任務(wù)推出了多項新功能，包括用于感知和本體感知的字典觀察空間，以及自動域隨機化（ADR）和群體訓(xùn)練（PBT）的技術(shù)，以提高強化學(xué)習(xí)訓(xùn)練的可擴展性。

Isaac Lab 2.3 還新增了帶吸盤夾具的基準測試環(huán)境，可支持吸盤與傳統(tǒng)夾具兩種操作模式。本次更新在基于管理器的工作流中加入了針對 CPU 端平面夾具的支持，以強化模仿學(xué)習(xí)功能。

優(yōu)化升級的靈巧操作遙操作功能：Isaac Lab 2.3 新增對宇樹 G1 機器人的遙操作支持，可對宇樹三指靈巧手和 Inspire 五指靈巧手進行動作映射。靈巧動作映射指將人手姿態(tài)轉(zhuǎn)換為機器人手部關(guān)節(jié)位置的過程，可實現(xiàn)高效的人機技能遷移，提升接觸密集型手部任務(wù)的執(zhí)行表現(xiàn)，并為訓(xùn)練穩(wěn)健的操作策略生成豐富的演示數(shù)據(jù)。本次更新還針對傅利葉 GR1T2、宇樹 G1 等雙臂機器人，改進了上半身控制。

引入無碰撞運動規(guī)劃技術(shù)，助力操作數(shù)據(jù)生成：在最新版的 Isaac Lab 中，開發(fā)者可以使用 Isaac Lab Mimic 中的 SkillGen 來生成演示。SkillGen 工作流能生成自適應(yīng)、無碰撞的操作演示。它將人工提供的子任務(wù)片段與 GPU 加速運動規(guī)劃相結(jié)合，使得只需少量的人工演示，就能學(xué)習(xí)現(xiàn)實世界中接觸密集型操作任務(wù)。

移動機器人的端到端導(dǎo)航：開發(fā)者現(xiàn)可利用 Isaac Lab 中的移動工作流對NVIDIA COMPASS進行后訓(xùn)練。NVIDIA COMPASS 是基于視覺的通用移動工作流，適配不同類型機器人與多樣環(huán)境。該工作流包括三個環(huán)節(jié)：在 Isaac Sim 中進行合成數(shù)據(jù)生成、訓(xùn)練移動模型，以及最終部署到NVIDIA Jetson Orin或NVIDIA Thor。通過 Cosmos Transfer 技術(shù)優(yōu)化合成數(shù)據(jù)，可以有效縮小仿真與現(xiàn)實的差距。

人形機器人移動操作的合成數(shù)據(jù)生成：移動操作是指移動與操作的協(xié)同執(zhí)行：機器人在移動機身（行走或滾動）的同時，對物體實施動作（抓取、推動或拉動），形成全身協(xié)同作業(yè)體系。該工作流通過整合導(dǎo)航與全身控制器（WBC），生成移動與操作協(xié)同合作的機器人任務(wù)演示數(shù)據(jù)。借助這一方案，機器人能夠執(zhí)行復(fù)雜且連續(xù)的任務(wù)，例如從桌面抓取物體、穿越空間，再將物體放置到其他位置。

策略評估框架：NVIDIA 正與光輪智能共同開發(fā)NVIDIA Isaac Lab – Arena。這是一款用于可擴展仿真實驗的開源策略評估框架。借助該框架的 API，開發(fā)者無需自行搭建系統(tǒng)，即可簡化并執(zhí)行復(fù)雜的大規(guī)模評估任務(wù)。這意味著開發(fā)者既能專注于策略迭代，也能向社區(qū)貢獻評估方法，進而加速機器人研究領(lǐng)域的研發(fā)進程。

基礎(chǔ)設(shè)施支持：Isaac Lab 2.3 現(xiàn)支持搭載 NVIDIA GB10 Grace Blackwell 超級芯片的 NVIDIA RTX PRO Blackwell 服務(wù)器與 DGX Spark 系統(tǒng)。無論是 RTX PRO 還是 DGX Spark，均為研究人員提供了卓越平臺，可支撐從訓(xùn)練、合成數(shù)據(jù)生成到機器人學(xué)習(xí)與仿真等各類機器人開發(fā)工作負載的實驗、原型開發(fā)與運行。