Nvidia 推出機器人套件：戴上 Apple Vision Pro 就能遙控人型機器人

戴上 Apple Vision Pro 刷網頁或看電影已經不算新鮮事，但輝達現在給它找了個硬核得多的新用途：當人形機器人的遙控器。

輝達推出了一套專門面向人形機器人的開發工具與微服務，讓開發者不僅能通過 Apple Vision Pro 即時監看機器人視角，還能直接用自己的雙手遠端控制機器人的手和手臂。

輝達 CEO 黃仁勳直言，AI 的下一波浪潮就是機器人，其中最讓人興奮的就是人形機器人。

戴著頭顯做動作，AI 負責猜你想幹嘛

很多人以為用頭顯操控機器人，無非就是讓機器人的攝像頭跟著人頭轉。但輝達這次拿出來的遠不止這些。

在這套遙操作工作流裡，Apple Vision Pro 的感測器會精準捕捉操作人員的手勢與動作細節。不僅能看到機器人眼前的一切，還能直接用手勢驅動機械臂做出相應動作。

不過，完全一比一復刻人類的動作其實很危險。因為操作者戴著頭顯抓取物體時，手裡並沒有真實的觸覺反饋，生硬模仿很容易用力過猛捏碎東西。

輝達的做法很聰明：系統並不死板照搬每一個手指關節的細微抖動，而是通過演算法推斷出你到底想做什麼，然後再讓機器人平穩地執行這個動作。

負責這一步的核心元件是 MimicGen NIM 微服務。這是一種預構建好的容器化服務，專門把頭顯採集到的人類操作軌跡翻譯成機器人能執行的運動資料。

只教一次，AI 腦補出海量訓練資料

教機器人學會像人一樣幹活，最大的痛點就是資料太貴太難採。

國內機器人平臺 Fourier（傅利葉）CEO 顧捷就提到，人形機器人開發極度複雜，以前需要從物理世界裡枯燥、痛苦地採集海量真實資料。

在 Siggraph 現場演示中，輝達展示了他們怎麼解決這個難題。開發者只需要戴著 Apple Vision Pro 示範少數幾次動作，剩下的工作就可以交給模擬系統。

MimicGen 會配合模擬平臺 Nvidia Isaac Sim，基於這幾次極少的人工示範，憑空擴增生成出大量的合成運動與感知資料。

這些虛實結合的資料會被直接送進 Project Groot 人形機器人模型裡進行訓練。換句話說，不用天天拉著機器人實地擺弄成百上千次，在虛擬世界裡就能把大部分技能點滿，大幅省下了測試時間和資金成本。

目前，這套微服務、Project Groot 模型以及負責多階段排程的工作流工具 OSMO，都統一打包在輝達人形機器人開發者計劃中。不過普通玩家暫時還摸不到，輝達目前只對機器人軟硬體製造商以及專業開發者開放申請。

為什麼重要

人形機器人這兩年熱度極高，但行業最大的秘密是：大家手裡都極度缺乏高質量的物理世界互動資料。

自動駕駛當年靠成千上萬輛車跑公路刷里程，人形機器人可沒法隨便放到大街上隨便抓東西。如果全靠工程師穿著外骨骼或者拉著搖桿一次次教，成本高到根本不可能規模化。

輝達這一步走得非常老道。它把 Apple Vision Pro 這種現成、高精度的消費級空間計算裝置，直接變成了廉價的資料採集前端，再用 Isaac Sim 和 MimicGen 在模擬裡成倍放大這些資料。這等於幫整個機器人行業做了一次資料槓桿。

對行業來說，我們認為這會進一步加固輝達在機器人領域的軍火商地位。黃仁勳不造整機，但他把從算力、資料生成、模擬環境到動作排程的全套工具鏈全都佔滿了。未來的機器人團隊不管底盤和舵機是誰家的，大腦大機率都得在輝達的這套系統裡先跑一遍。

隱患在於，合成數據雖然能解決量的問題，但物理世界的邊角情況永遠比模擬更刁鑽。機器人在虛擬世界裡學得再好，一旦遇到現實裡的反光、材質形變或磨損，意圖推斷會不會變形，依然需要真實場景的反覆拷打。