英伟达机器人训练流
3 节点2 篇4 来源
英伟达（NVIDIA）于2026年10月下旬展示了基于多AI智能体协作的机器人训练新工作流，旨在解决通用机器人开发中工具链割裂的问题。该流程利用Hermes和Nemotron 3.5 Bolt进行任务规划，通过Astra生成3D资产，并在Isaac Sim中组装环境，最终使用Isaac Lab在RTX PRO 6000 GPU上并行运行4096个仿真环境以训练强化学习策略。【背景】这一技术演示与Agile Robots发布的Agile ONE SN人形参考平台同步推出，该平台预装了Isaac GR00T和Jetson Thor，计划于2027年初上市。争议焦点在于“仿真到现实”（Sim-to-Real）的迁移效率：英伟达强调通过域随机化和执行器模型优化来缩小差距，但承认物理部署仍需进一步校准；而部分开发者社区关注本地算力（如RTX Spark）在验证环节的作用是否足以替代云端大规模训练后的复杂调试。读者应关注2027年初Agile ONE SN的实际交付情况以及后续开源工作流对非英伟达硬件的支持程度。
事情怎么走到这一步
英伟达CEO黄仁勋在GTC柏林大会上介绍Microduck机器人，并宣布Agile Robots推出基于Isaac GR00T和Jetson Thor的人形参考平台Agile ONE SN。
neoteo.com ↗英伟达发布技术博客，详细拆解了使用Hermes、Nemotron和Astra等AI智能体协作训练Microduck机器人的分阶段工作流，涵盖从提示词到仿真验证的全过程。
developer.nvidia.com ↗英伟达发布视频及技术文档，展示如何利用RTX Spark进行本地规划与验证，并结合Isaac Lab在云端完成大规模强化学习训练，最后通过Agile ONE SN部署至物理机器人。
youtube.com ↗
还没定论的部分
- Agile ONE SN在2027年初正式交付后，其实际集成时间与官方宣称的“从数周缩短至数天”是否相符？
- 英伟达提出的Better Actuator Models和域随机化技术在复杂动态环境中的Sim-to-Real迁移成功率具体数据是多少？
- 除了英伟达推荐的RTX Spark和DGX Station，第三方硬件能否无缝接入这套多智能体协作训练工作流？