NVIDIA phát hành bản xem trước dành cho nhà phát triển của Isaac Sim 5.0 và Isaac Lab 2.2 trên GitHub

Hãng công nghệ NVIDIA đã giới thiệu bản xem trước dành cho nhà phát triển của hai nền tảng tập trung vào robot—Isaac Sim và Isaac Lab—cung cấp quyền truy cập giai đoạn đầu vào các công cụ để mô phỏng, đào tạo và thử nghiệm robot hỗ trợ AI trong môi trường ảo chính xác về mặt vật lý. Các khuôn khổ này, hiện có sẵn công khai trên GitHub, nhằm mục đích hỗ trợ phát triển robot thông qua quy trình mô phỏng nâng cao và tạo dữ liệu tổng hợp.

Isaac Sim, được xây dựng trên nền tảng NVIDIA Omniverse, hoạt động như một ứng dụng tham chiếu để tạo và đánh giá các hệ thống rô-bốt thông minh trong các thiết lập kỹ thuật số thực tế. Phiên bản 5.0 bao gồm một bản cập nhật quan trọng: mã nguồn mở các tiện ích mở rộng dành riêng cho Isaac Sim. Kho lưu trữ GitHub chuyên dụng hiện cho phép các nhà phát triển truy cập và sử dụng các thành phần này, mặc dù các thành phần cốt lõi của Omniverse Kit vẫn là độc quyền và hiện không chấp nhận các đóng góp bên ngoài. Nhánh phát triển công khai này sẽ được bảo trì thường xuyên với các bản cập nhật gia tăng và sửa lỗi. Các bản phát hành nhị phân đầy đủ phù hợp với các tiêu chuẩn đảm bảo chất lượng của NVIDIA sẽ được cung cấp khi ra mắt chính thức 5.0.

Bản cập nhật giới thiệu một số khả năng mới được thiết kế để nâng cao quy trình làm việc dữ liệu tổng hợp cho phát triển AI robot. Điều này bao gồm MobilityGen, một tiện ích mở rộng cho phép tạo các tập dữ liệu đa dạng, có thông tin vật lý cho các mô hình nhận thức—chẳng hạn như bản đồ chiếm dụng, trường vận tốc, tư thế và hình ảnh. Một hướng dẫn mới tạo điều kiện cho việc tạo dữ liệu nắm bắt tự động, mô phỏng các nỗ lực nắm bắt và ghi lại số liệu hiệu suất để hỗ trợ đào tạo và đánh giá mô hình.

Một trình viết bổ sung cho Omniverse Replicator đã được tối ưu hóa để tương thích với đầu vào NVIDIA Cosmos Transfer. Cải tiến này đơn giản hóa việc xuất các tập dữ liệu tổng hợp và hỗ trợ cả quy trình làm việc độc lập và do Script Editor điều khiển, cho phép tích hợp liền mạch với các đường ống Isaac Sim hiện có.

Chức năng mở rộng cũng bao gồm các quy trình làm việc mới cho phép tạo dữ liệu tổng hợp trên các môi trường vật lý lớn hơn và phức tạp hơn. Incident Simulation giới thiệu nhiều trình kích hoạt kịch bản thực tế, trong khi Caption Generation cung cấp các chú thích tự động để làm phong phú các tập dữ liệu được sử dụng cho AI dựa trên tầm nhìn. Các công cụ mới này, cùng với các cải tiến đối với các quy trình Actor và Object Simulation hiện có, được thiết kế để cải thiện hiệu quả và độ trung thực của việc sản xuất dữ liệu đào tạo cho các ứng dụng robot và AI.

Isaac Sim 5.0 đưa ra những cải tiến nhằm cải thiện hiệu quả và tính chân thực của mô phỏng robot, đặc biệt là thông qua các tiêu chuẩn mô hình hóa robot được cập nhật và các quy trình nhập hợp lý. Một lược đồ robot mới được giới thiệu thiết lập một định dạng thống nhất cho defining robot bằng OpenUSD, hiện đã được triển khai trên toàn bộ thư viện tài sản robot đang phát triển của NVIDIA, bao gồm các mô hình mới được thêm vào. Trình nhập robot đã được cập nhật để phù hợp với lược đồ này và Trình hướng dẫn nhập robot mới được phát triển cung cấp giao diện hướng dẫn từng bước để đơn giản hóa việc lắp ráp và tích hợp robot vào môi trường mô phỏng.

Sơ đồ mới nhất cũng bao gồm hỗ trợ cho mô hình ma sát khớp được cập nhật được chỉ định trong khuôn khổ OpenUSD. Mô hình này kết hợp các thông số ma sát và bộ truyền động chi tiết, được tạo ra với sự hợp tác của Hexagon Robotics và maxon, để sao chép tốt hơn hành vi cơ học của các hệ thống vật lý. Bằng cách nắm bắt động lực học khớp và động cơ thực tế, tính năng này giúp thu hẹp khoảng cách giữa hiệu suất mô phỏng và hiệu suất thực tế, giúp môi trường thử nghiệm ảo đáng tin cậy hơn cho việc phát triển ứng dụng.

Isaac Sim 5.0 cũng cải tiến khả năng mô phỏng cảm biến của nền tảng, cho phép chính xác hơn defiđịnh dạng và đánh giá các mô hình cảm biến. Một lược đồ USD OmniSensor mới cho phép chỉ định gốc các cảm biến dựa trên RTX trong định dạng USD. Điều này đi kèm với việc giới thiệu một mô hình cảm biến độ sâu cung cấp mô phỏng độ sâu âm thanh nổi thực tế, bao gồm các hiện tượng chênh lệch để phản ánh các hạn chế thực tế của cảm biến. Thư viện tài sản cảm biến cũng đã được mở rộng với các mô hình bổ sung để hỗ trợ nhiều nhu cầu mô phỏng hơn, cải thiện khả năng kiểm soát và độ trung thực trên các quy trình phát triển hệ thống nhận thức.

Những đổi mới quan trọng trong phòng thí nghiệm Isaac 

Isaac Lab, khuôn khổ mã nguồn mở của NVIDIA được thiết kế riêng cho việc đào tạo và đánh giá các mô hình học tập của rô-bốt, đã nhận được các bản cập nhật trong phiên bản 2.2. Một bổ sung quan trọng là hỗ trợ cho chuẩn GR00T N1, tạo điều kiện cho một quy trình vòng kín bao gồm tạo dữ liệu, quy trình sau đào tạo và đánh giá các mô hình nền tảng mở Isaac GR00T N của NVIDIA. Chức năng này có thể được áp dụng cho các tác vụ có cấu trúc như đổ đai ốc và phân loại ống, cung cấp một phương pháp thống nhất để đo hiệu suất.

Bản cập nhật cũng cải thiện khả năng tạo chuyển động tổng hợp, cho phép thu thập dữ liệu đáng tin cậy hơn trong các tác vụ điều khiển robot, đặc biệt là khi sử dụng NVIDIA Môi trường đào tạo song công của Isaac GR00T-Mimic. Tích hợp với Omniverse Fabric cải thiện hiệu quả của Isaac Lab hơn nữa, giúp giảm thời gian tải và thực hiện mô phỏng vật lý và thu thập dữ liệu cảm biến được tối ưu hóa hơn. Một bộ kẹp cốc hút tenxơ mới được giới thiệu mở rộng bộ công cụ có sẵn để mô phỏng, cung cấp phương pháp tiếp cận thích ứng và thực tế hơn để mô hình hóa hành vi kẹp—một tính năng thiết yếu để học tăng cường chính xác trong các tình huống thao tác bằng rô-bốt.