什么是人形机器人？

机器人学习由自适应算法及经虚拟和现实环境全面训练驱动。这使人形机器人能够获得和完善复杂的技能，如双足运动、物体操控和社交互动。 

开发人员使用优化的软件堆栈，其中包括数据提取和处理流程、训练框架和容器化微服务，以支持可扩展和高效的训练。AI 基座模型、仿真环境、合成数据和强化学习、模仿学习等专门的学习技术用于训练机器人执行抓取物体或在不同场景中绕过障碍物等任务。

训练使用数字孪生精确模拟真实场景，为机器人模型学习和改进提供了一个无风险的环境，为机器人模型提供一个无风险的学习和改进环境。这消除了物理损坏的风险，并通过同时训练许多不同的模型实现了更快的迭代。在仿真中，操作人员可以轻松地将变化和噪声引入场景，为机器人模型提供一组更丰富的经验数据来学习。

一旦机器人的技能在数字世界中得到充分完善，模型就可以部署到现实机器人上。在某些情况下，训练会随着机器人在现实世界中的操作和练习而继续。    

当重要的新兴人形机器人训练技术包括： 

• 机器学习： 人形机器人配备了机器学习算法，可以分析数据以从过去的动作中学习，并处理来自传感器的数据以实时做出明智的决策。  
• 模仿学习： 机器人可以通过复制人类的动作来获得新技能。这些动作被传感器或摄像头捕捉到，然后转换成模仿观察到的行为的机器人命令。这种方法对于教机器人难以用传统编程方法编码的细微复杂任务特别有用。 
• 强化学习： 在这种技术中，算法使用数学方程来奖励机器人的正确动作并惩罚它们的错误动作。通过反复试验和相关的奖励系统，机器人会随着时间的推移进行调整并提高其性能。

设计能够安全运行并与人类协作的人形机器人需要整合多种安全概念。

• 传统功能安全可确保机器人硬件和软件运行可靠且不会造成伤害。
• 机器人安全可实现紧急和保护性停止以防止事故发生。
• 人机协作安全可识别人类的存在和行为并做出适当反应。
• 传感器安全用于测试和验证机器人传感器的准确性，以便人形机器人能够准确感知周围环境。
• AI 安全用于检查人形机器人所依赖的算法是否避免误解并且不会引入新的风险。

现有安全标准（如 IEC 61508、ISO 13849 和 ANSI / RIA R15.606 支持传统功能安全和机器人安全。还有几种新兴标准，如针对人工智能安全的 ISO / IEC TS 22440 和 IEEE 成立的新研究小组，旨在探索和制定人形机器人安全标准。

人形机器人的目标是可以在为人类设计的环境中高效运行。这将推动自动化的进步，而无需为机器人重新设计空间。人形机器人具有巨大的潜力，可为仓储和配送中心、实体零售、临床环境带来诸多好处。

• 人机交互：模仿人体形态，人形机器人可以配合人类完成各种工作。
• 多功能和适应性：人性机器人可以使用那些最初为人类使用和设计的工具和基础设施。
• 生产力：人形机器人与其他工人在相同的环境中操作，加速完成日常任务。
• 提升安全性：人形机器人可以执行危险任务，并在危及人类安全的场所操作。可以减少工作场所事故，减少将人类暴露在危险环境中，包括工业环境和救灾。

从制造业到医疗健康，从救灾到客服，人形机器人可增强人类员工的安全性，生产力和用户体验。虽然大多数人形机器人用例都处于早期研发阶段，但人们对其在各个行业增强人类劳动力的潜力感到非常兴奋。

制造业
制造厂商可以在工厂中使用人形机器人来支持自动化并与人类劳动力一起工作。由于具有与人类灵活性相似的自由度 (DOF)，人形机器人可以处理零部件以协助组装产线的任务、执行重复性或体力要求高的工作以及执行检查和维护任务。

仓储和物流
人形机器人可以执行拣选和包装产品、接收货物、管理库存和处理需要精细操作的材料等任务。它们还可以与其他机器人（如机械臂和自主移动机器人）以及人类同事协作。

医疗保健行业
人形机器人有望补充人类医护人员，可能彻底改变患者护理、医疗设施运营和医疗程序。

家用助理
人形机器人可以执行清洁，烹饪以及洗衣等日常任务通过自然语言处理和机器学习，它们甚至可以与人类交流并适应日常生活和偏好。

客服领域
人形机器人可在零售店、机场、酒店和其他公共场所中担任客服角色。他们可以提供信息，引导客户到达不同位置，并处理基本问询，从而提升运营效率和客户体验。

有限的训练数据
训练有效的人形机器人 AI 模型需要大量的数据。人形机器人被训练来模仿精确的人类动作，再加上现实世界场景的不可预测性，使得收集和标记所需数据以实现最佳性能变得极具挑战性。通过模拟各种环境和运动来创建人工数据集，合成生成的数据可以帮助解决这一挑战。

设计
人形机器人必须重量轻、功能多样、功能强大。它们的控制系统还必须提供双足运动所需的平衡和协调性，而先进的传感器和执行器需要足够精确和柔和，以模仿人手的灵活性。此外，机载计算系统必须足够小以适应人形外形，同时具有足够的计算能力来低延迟运行先进的 AI 模型。

能源效率
机载电池的空间有限意味着人形机器人需要以最大化功能同时最小化能耗的方式运行。自主机器人能够执行复杂的任务，而不会迅速耗尽能源供应，这一点至关重要。

自由度
增加使人形机器人能够更加灵活地操作，并做出更类似于人类的动作，从而使它们能够执行更广泛的任务并适应各种环境。但是，这需要在复杂的机械和控制系统之间进行协调。

NVIDIA AI 和 Omniverse™ 平台加速了人形机器人的发展。人形机器人的三个主要计算平台包括：

1. 在 NVIDIA DGX™ 超级计算机上运行的 NVIDIA NeMo，用于为机器人用例训练 AI 模型。
2. 基于 NVIDIA Omniverse 构建的机器人学习和仿真框架，例如 NVIDIA Isaac™ Lab 和 NVIDIA Isaac Sim，使机器人能够在仿真世界中学习和完善机器人技能。
3. Jetson™ Thor 上的 NVIDIA Isaac，使人形机器人能够执行复杂的任务并与人和机器安全自然地交互。Jetson Thor 基于 NVIDIA Blackwell 架构，可为人形机器人运行多模式 AI 模型，具有集成的功能安全处理器、高性能 CPU 集群和 100Gb 以太网带宽。