基于Omniverse 的 NVIDIA Isaac Sim 现已开放测试版

新的 Isaac 模拟引擎不仅可以创建更好的逼真环境，还可以简化合成数据的生成和域随机化，以构建真实数据集，以在从物流和仓库到未来工厂的应用中训练机器人。

NVIDIA Omniverse 是 NVIDIA 模拟器（包括 Isaac 平台）的基础，该平台现在包含多项新功能。借助现已推出的 NVIDIA Isaac Sim公开测试版，探索机器人仿真功能的新水平。

Isaac Sim建立在Omniverse平台上，是一个机器人模拟应用程序和合成数据生成工具。它允许机器人专家通过提供机器人与引人注目的环境交互的逼真模拟来更有效地训练和测试他们的机器人，这些环境可以将覆盖范围扩大到超出现实世界的可能范围。

此版本的 Isaac Sim 还增加了改进的多相机支持和传感器功能，以及一个PTC OnShape CAD 导入器，以便更轻松地引入 3D 资产。这些新功能将扩展可以在各个方面成功建模和部署的机器人和环境的广度：从物理机器人的设计和开发，然后训练机器人，到在模拟机器人的“数字双胞胎”中部署并在准确且逼真的虚拟环境中进行测试。

主要新功能摘要

• 多相机支持
• 具有合成数据的鱼眼相机
• ROS2 支持
• PTC OnShape 导入器
• 改进的传感器支持
  • 超声波传感器
  • 力传感器
  • 自定义激光雷达模式
• 可从 NVIDIA Omniverse Launcher 下载

Isaac Sim 实现更多机器人模拟

开发人员早就看到了拥有用于测试和训练机器人的强大模拟环境的好处。但很多时候，模拟器存在限制其采用的缺点。Isaac Sim 通过以下描述的优点解决了这些缺点。

逼真的模拟

为了提供逼真的机器人模拟，Isaac Sim 利用了 Omniverse 平台的强大技术，包括使用PhysX 5 的高级 GPU 物理模拟、具有实时光线和路径追踪的真实感，以及对基于物理的渲染的材料定义语言 (MDL)支持.

模块化，应用广泛

Isaac Sim 旨在解决许多最常见的机器人用例，包括操作、自主导航和用于训练数据的合成数据生成。其模块化设计允许用户轻松定制和扩展工具集以适应许多应用程序和环境。

无缝连接和互操作性

Isaac Sim 受益于 Omniverse Nucleus 和 Omniverse Connectors，支持在通用场景描述 (USD) 中协作构建、共享和导入环境和机器人模型。通过Isaac SDK和 ROS/ROS2 接口、功能齐全的 Python 脚本、用于导入机器人和环境模型的插件，轻松将机器人的大脑连接到虚拟世界。

Isaac Sim Bootstraps 机器学习中的合成数据生成

合成数据生成是一种重要工具，越来越多地用于训练当今机器人中发现的感知模型。获取真实世界的、正确标记的数据是一项耗时且成本高昂的工作。但就机器人技术而言，在现实世界中收集某些所需的训练数据可能太困难或太危险。对于必须靠近人类工作的机器人来说尤其如此。

Isaac Sim 内置了对训练感知模型很重要的各种传感器类型的支持。这些传感器包括 RGB、深度、边界框和分割。

在公测中，我们有能力以 KITTI 格式输出合成数据。然后，这些数据可以直接与 NVIDIA迁移学习工具包一起使用，以通过特定于用例的数据增强模型性能。

域随机化

域随机化会改变定义模拟场景的参数，例如场景中材质的照明、颜色和纹理。域随机化的主要目标之一是通过将神经网络暴露于模拟中的各种域参数来增强机器学习 (ML) 模型的训练。这将有助于模型在遇到现实世界场景时很好地泛化。实际上，这种技术有助于教会模型忽略什么。

Isaac Sim 支持许多不同属性的随机化，这些属性有助于定义给定场景。借助这些功能，机器学习工程师可以确保合成数据集包含足够的多样性来驱动稳健的模型性能。

基于人工智能的机器人开发的丰富软件平台