NVIDIA運用AWS加速機器人模擬技術　推進實體AI發展

Field AI 正在建構機器人大腦，讓機器人得以自主管理各項工業流程；Vention 則透過預先訓練好的技能簡化機器人任務的開發；Cobot 推出的 AI 協作機器人 Proxie，能處理材料移動並適應動態環境，實現與人類的無縫合作。這些創新源於領先的機器人新創公司，均採用了 Amazon Web Services（AWS）與 NVIDIA 的技術合作，透過 Isaac Sim 取得突破性進展。

實體 AI 是指能夠理解實體世界並與之互動的 AI 技術，涵蓋自駕車、移動機器人及工業機械手等應用。開發者普遍採用三電腦解決方案，包括訓練、模擬及推論，以突破 AI 應用的限制。然而，這些系統需要龐大的資料集支援，在真實環境中測試的成本高昂且不切實際，模擬技術因而成為理想解決方案。

透過 L40S GPU 的運算能力，模擬可以加速機器人的訓練、測試與部署。開發者能以虛擬環境驗證機器人設計與演算法，降低因生產變更而帶來的成本風險。同時，Amazon EC2 G6e 執行個體提供兩倍於前代的效能提升，可靈活處理不同模擬場景，從資料生成到模型訓練一應俱全。

Isaac Sim 的另一項核心功能在於合成資料生成（SDG）。透過 NVIDIA Omniverse Replicator 與 NIM 微服務，開發者可自動化生成資料流程，例如使用 Python USD 編碼、探索 OpenUSD 資產及生成 3D 環境地圖，減少手動步驟並提升效率。這些功能被廣泛應用於電腦視覺模型的建構，涵蓋從製造到農業的多種場景。

NVIDIA 與 AWS 的合作成果已在多家公司落地。例如，Aescape 使用 Isaac Sim 模擬其按摩機器人的感應器，提供客製化服務；SoftServe 結合合成資料技術，與歐洲食品業者 Pfeifer & Langen 合作，優化垂直農業中機器人應用。其他如 Cobot、Swiss Mile 和 Vention 則利用 Isaac Sim 開發物流、製造與倉庫管理解決方案，將 AI 的實體應用推向新高度。

模擬不僅加速訓練流程，也讓機器人設計的測試與驗證更加精確。Isaac Sim 的開源框架 Isaac Lab 支援在 AWS Batch 上進行訓練，讓開發者能透過重複測試快速解決故障，減少開發週期。同時，NVIDIA 平台整合的全方位功能，為團隊協作提供了廣泛支持。

NVIDIA L40S GPU 加速的硬體與 Isaac Sim 的雲端資源相輔相成，使得任何規模的團隊都能實現 AI 驅動的創新。未來，這些技術將在更多產業中展現價值，為機器人自動化與 AI 互動提供無限可能。