解析NVIDIA Isaac Sim 4.0的新功能

由物理 AI 驅動的 AI 機器人時代已經(jīng)來臨。物理 AI 模型能夠理解周圍環(huán)境，并在物理世界中自主完成復雜的任務。許多復雜任務都難以編程（如靈巧的操作和人形機器人在崎嶇的地形上運動），需要依賴在仿真環(huán)境中使用強化學習（RL）訓練而成的生成式物理 AI 模型。

借助基于 NVIDIA Omniverse 的參考應用 NVIDIA Isaac Sim，開發(fā)者可以在遵守物理定律的虛擬環(huán)境中設計、仿真、測試和訓練 AI 機器人和自主機器。

NVIDIA Isaac Sim 可幫助團隊生成合成數(shù)據(jù)、訓練機器人策略，并運行多種假設場景，以便在部署前驗證整個機器人堆棧。

本文介紹了最新的 Isaac Sim 4.0 版本，其中包括 NVIDIA PhysX5.4 和 Isaac Lab。Isaac Sim 4.0 現(xiàn)已開放下載，它基于 NVIDIA Omniverse Kit 106 構建，讓開發(fā)者能夠更輕松地控制工作流。

NVIDIA Isaac Sim 4.0 的新功能

Isaac Sim 4.0 提供強大的新功能并增強了現(xiàn)有功能，為您的機器人工作流提供強大助力，其中包括：

通過 PIP 加快安裝速度

改進了基于向導的導入和系統(tǒng)兼容性檢查器的可用性

新的資產(chǎn)、環(huán)境、機器人、環(huán)境傳感器

新的 PhysX 功能，如仿真關節(jié)、TGS 求解器、殘差可視化等

用于強化學習的多 GPU 和多節(jié)點功能

以下將對這些新功能進行詳細介紹，并介紹在仿真階段使用的全新 PhysX 和傳感器功能。

通過 PIP 安裝更快地上手

現(xiàn)在，您可以使用 Python 包管理器（例如 PIP）在本地或遠程系統(tǒng)上安裝 Isaac Sim。這極大地加速并簡化了使用開發(fā)者所熟悉的相同開發(fā)環(huán)境的安裝過程，在基于云的 IDE（如 Jupyter）中輕松部署 Isaac Sim。

此外，您現(xiàn)在還可以使用兼容性檢查器來檢查系統(tǒng)需求和兼容性，在開始安裝之前獲得即時反饋。

改進基于向導的導入的可用性

每次仿真都需要先構建虛擬環(huán)境和其中的機器人。為了加快這項工作，Isaac Sim 現(xiàn)在提供了一個向導，引導用戶如何在預先設計的環(huán)境中導入和調優(yōu)機器人。向導中還有大量其它選項文檔，最常見的工具包括 CAD 導入器、傳感器、裝配機器人等。

圖 1. Isaac Sim 中的導入向導提供了用于導入

機器人的相關工具、每個工具的離線指南

以及一系列按順序排列的建議步驟

更多資產(chǎn)庫

使用以下新資產(chǎn)進行仿真：

預建倉庫模型

機器人模型

?優(yōu)傲機器人 UR20 和 UR30 機械臂 波士頓動力公司的 Spot 機器人

人形機器人

1X Neo 宇樹 Unitree H1 Agility Digit 傅利葉 Fourier GR1 Sanctuary AI Phoenix 小鵬 PX5

傳感器

Ouster SICK Velodyne

用于仿真和檢查關節(jié)的

全新 PhysX 5.4 功能

一旦場景構建完成、機器人在環(huán)境中設置完畢，您就可以在機器人模型上使用 NVIDIA PhysX 5.4 的一些新功能。

例如，“仿真關節(jié)”功能讓您可以對機器人的耦合關節(jié)位置進行建模。您可以對平行夾爪機制、四連桿、平行夾爪或機械手的機械耦合元件進行建模。仿真關節(jié)可以捕捉 URDF 規(guī)范關系：

關節(jié)位置 = 倍增器*參考關節(jié)位置 + 補償

關節(jié)速度受到類似約束，并且相互作用是雙向的。仿真關節(jié)為滿足約束條件而施加的力會根據(jù)倍增器反饋給參考關節(jié)（即齒輪傳動裝置）。

圖 2. 在 Isaac Sim 中仿真的用于機器人操作?

的平行夾爪?？墒褂?“仿真關節(jié)” 功能

來仿真平行機制

通過在特定仿真場景中將機械臂定位到特定的姿勢，“物理檢查器”功能支持創(chuàng)建單個關節(jié)和最多關節(jié)。在實際仿真之前，團隊還可以直觀地檢查碰撞和自由度。

圖 3. “物理檢查器” 用戶界面顯示了

ANYmal 四足機器人的腿部定位調整情況

全新仿真功能

仿真階段的一些新功能旨在幫助增強物理和傳感器仿真。

增強的物理仿真

物理仿真在機器人整體運動和性能中起著不可或缺的作用。Isaac Sim 4.0 中新的增強功能提供了更好的仿真、可視化和調試工具。

最新的 TGS 求解器采用了一種新模式，有助于提高求解器的收斂性和碰撞保真度。通過新引入的求解器選項，TGS 能夠考慮重力和其它外力，并在每個 TGS 位置迭代（子步驟）中闡明關節(jié)動作，而不是在時間步開始時。在 “物理場景高級”選項或 USD PhysxSceneAPI EnableExternalForcesEveryIteration屬性中啟用該模式。

對于高性能仿真，在求解器迭代次數(shù)和仿真保真度之間找到適當?shù)钠胶馐欠浅Ｖ匾摹Ｐ碌臍埐顖蟾婀δ芸稍跁r間步結束時顯示與求解器收斂質量相對應的數(shù)據(jù)，從而幫助完成仿真調優(yōu)。數(shù)據(jù)可以在物理場景中匯總查詢，也可以按關節(jié)和最大坐標關節(jié)進行查詢。

圖 4. 移動機器人越過障礙物，

仿真數(shù)據(jù)可視化器顯示相關仿真的殘差數(shù)據(jù)

您不僅可以看到求解器的殘差數(shù)據(jù)，還可以通過新的“仿真數(shù)據(jù)可視化窗口”檢測位置和方向等仿真數(shù)據(jù)。支持的屬性包括身體位置和方向、求解器殘差等。欲了解更多信息，請參閱可視化工具文檔。

此外，還可以使用統(tǒng)一的 API 來查詢剛體和關節(jié)鏈接的線性加速度和角加速度。例如，報告的值可用于計算慣性測量單元的仿真輸出。

其它功能包括 SDF 碰撞改進、接觸摩擦力報告等。

更好地支持傳感器仿真

傳感器是機器人感知堆棧的核心。Isaac Sim 擁有一套不斷擴增的真實傳感器模型庫，可以仿真地面真實感知和基于物理的傳感器。

最新版本包括對非可視材料的 RTX 支持，其中材料的光學特性擴展到非可視光譜，如紅外線、無線電波和紫外線，從而實現(xiàn)了更先進的新型傳感器建模。此外，您還可以利用基于 RTX 的雷達，這些雷達使用新型 RTX 非可視材料功能集，來準確地模擬雷達對不同類型材料和環(huán)境的響應。

此外，IMU 傳感器后端現(xiàn)在兼容 Tensor API。這有助于將 IMU 傳感器的物理后端與其它 Isaac Sim 傳感器和節(jié)點統(tǒng)一起來，從而能夠更一致地訪問最新的物理數(shù)據(jù)。

基于 OmniGraph 的傳感器管線的性能改進包括：只在需要時運行管線，而不是每幀都運行，從而減少了管線的開銷。

利用 Isaac Lab 加速強化學習

基于 Isaac Sim 的 Isaac Lab 是一個統(tǒng)一、模塊化、開源的機器人學習框架，旨在簡化強化、仿真和演示學習以及運動規(guī)劃等常見工作流。它集成了開源框架 Orbit 的功能，該框架由 NVIDIA、波士頓動力人工智能研究所、蘇黎世聯(lián)邦理工學院和多倫多大學聯(lián)合開發(fā)。

Isaac Lab 利用 PyTorch 分布式框架在 Linux 上進行多 GPU 和多節(jié)點訓練，幫助團隊進行擴展。使用 OSMO 可以輕松地在異構環(huán)境上擴展這些作業(yè)，OSMO 是一個云原生協(xié)調平臺，用于調度復雜的多階段和多容器異構計算工作流。

當在多個 GPU 上運行時，可實現(xiàn)更高的 rollout FPS（如圖 5 所示）。FPS 的提高意味著可以在相同的時間內生成更多的軌跡和經(jīng)驗，從而為模型提供更豐富的數(shù)據(jù)集以供其學習。與在單個 GPU 上進行訓練相比，該模型可以更快地收斂并達到更高的性能水平。

圖 5. 使用多個 GPU 進行強化學習時

每秒生成幀數(shù)的性能比較

在強化學習中，機器人必須執(zhí)行大量相互獨立的場景。當這些機器人在多個攝像頭上執(zhí)行任務時，對這些機器人的進展進行可視化可能會非常繁瑣，而分塊渲染有助于在單一視圖中可視化所有這些場景。分塊渲染的工作原理是將多個攝像頭輸出的圖像串聯(lián)起來，渲染出一張大圖像，而不是每個攝像頭生成的多張小圖。

圖 6. 分塊渲染將多個攝像頭的輸出

合并為一張大圖像

此外，對于有許多環(huán)境的大型強化學習場景，PhysX 5.4 中的新優(yōu)化功能最多可將環(huán)境克隆速度提高到上一版本的 3 倍。

生態(tài)系統(tǒng)的采用情況

1X、Agility Robotics、波士頓動力人工智能研究所、波士頓動力、傅立葉、銀河通用、逐際動力、星動紀元、Sanctuary AI 和優(yōu)必選等領先的機器人開發(fā)商正在整合 Isaac Lab，用于開發(fā)下一代機器人和人形機器人。其中許多公司已經(jīng)利用 Isaac Sim 在真實環(huán)境中測試了他們的機器人，并生成用于模型訓練的合成數(shù)據(jù)。

了解波士頓動力公司與 NVIDIA 以及波士頓動力人工智能研究所合作開發(fā) Spot強化學習研究工具包。

該工具包整合了先進的仿真、NVIDIA Jetson AI 技術和精準機器人控制，可高效地將四足機器人從虛擬環(huán)境過渡到真實世界的應用中。

Isaac Lab 在 BSD-3 許可下開源，可通過 GitHub 上的 isaac-sim/IsaacLab 獲取。

在 Isaac Sim 中

更好地支持 ROS 開發(fā)者??

Isaac Sim 的最新版本為 ROS 開發(fā)者提供了豐富的新功能，使得在 Isaac Sim 中測試和仿真機器人變得前所未有的簡單。首先是更易于使用，支持從 ROS2 節(jié)點導入 URDF，可在 URDF 文件或包含機器人描述的 ROS2 節(jié)點之間切換。對于 Cyclone DDS 用戶，Isaac Sim 也在 Linux 系統(tǒng)上支持 Isaac ROS 或 Nav2 相關的工作流。

其它新功能包括：

簡化并改進了端到端工作流，支持 ROS2 啟動。

ROS2 服務質量，可通過 QoS 設置來配置任何 ROS 訂閱者或發(fā)布者。

支持任何可用消息類型的 ROS2 發(fā)布者/訂閱者和服務器/客戶端?？捎脕磉B接系統(tǒng)中安裝的任何可用消息以及自定義消息。

開始開發(fā)您的機器人解決方案

要想獲取以下附加資源和參考架構的更新信息，來支持您的開發(fā)目標，請注冊 NVIDIA 開發(fā)者計劃。

NVIDIA Isaac ROS 基于開源 ROS 2 軟件框架構建，包含一套加速計算數(shù)據(jù)包和 AI 模型的集合，為世界各地的 ROS 開發(fā)者帶來由 NVIDIA 賦能的加速。

NVIDIA Isaac Sim 是基于 NVIDIA Omniverse 構建的一款參考應用，可幫助開發(fā)者在基于物理的虛擬環(huán)境中設計、仿真、測試并訓練 AI 機器人和自主機器。它包括用于機器人學習的輕量級應用 NVIDIA Isaac Lab。

NVIDIA Isaac Perceptor 是一個用于自主移動機器人（AMR）和自動導引車（AGV）的參考工作流。

NVIDIA Isaac Manipulator 為工業(yè)機械臂提供了全新的基礎模型和參考工作流。

NVIDIA Jetson 是面向自主機器和嵌入式應用的領先平臺。

加入 NVIDIA 機器人開發(fā)者論壇，通過有關 Isaac ROS 和 Isaac Sim 的自學培訓和網(wǎng)絡研討會了解更多信息。