NE时代

◎ 宇树+Sharpa+英伟达。

△ 撰文：DONG

通用人形机器人正加速走向更多应用场景，但开发者在落地过程中仍面临高度分散的研发流程：

硬件集成、数据采集、仿真、训练、评测与部署往往需要分别搭建，门槛高、周期长，也限制了机器人技能从实验室走向真实场景的速度。

为了彻底填补这一行业空白，终结这种低效的「重复造轮子」现状，英伟达（NVIDIA）在今天正式发布了NVIDIA Isaac GR00T参考人形机器人。

这不仅是一个专为通用物理智能打造的开放式参考平台，更是英伟达将「智能体系统（Agentic System）」理念推向物理现实的又一里程碑。

01.

为什么我们需要一个“参考设计”？

想要理解这款产品的意义，我们必须先跳出「卖机器」的传统思维。

英伟达发布这款机器人，并非是为了在整机制造市场上分一杯羹，而是为了建立一个标准。

回顾科技史，个人电脑（PC）有其标准化的参考平台，服务器领域有DGX作为标杆，云计算和自动驾驶汽车也都拥有成熟的参考设计。

现在，机器人领域终于也迎来了属于自己的标准化基座。

英伟达创始人兼首席执行官黄仁勋对这一举措给出了极高的评价和期待，他直言不讳地指出：“人形机器人将把物理 AI 带入全球最大的产业，创造数万亿美元的经济机遇。”

在他看来，NVIDIA Isaac GR00T 参考人形机器人正是为了给全球科研人员提供一个统一的开源平台，从而助力他们在通用物理智能这一无人区取得突破性发现。

在底层架构上，英伟达保持了高度的一致性。

无论是云端的智能体、你桌面PC里的智能助手、马路上飞驰的自动驾驶汽车，还是眼前这个能跑能跳的人形机器人，其背后的Agentic System模式是相通的。

更重要的是，这个平台实现了高度的垂直整合与极端的开放性并存：

英伟达从底层做起，完成了极致的软硬件协同设计（co-design），但同时，开发者却可以像搭积木一样自由选择使用其中的任何组件，甚至随时替换成自己研发的自定义模块。

这种不依赖专有封闭平台的特性，真正推动了前沿人形机器人研究的普及化。

02.

硬件解构：宇树+Sharpa+NVIDIA

空有聪明的「大脑」，没有强健的「体魄」，依然无法解决真实世界的物理难题。

为了打造这个极具参考价值的硬件底盘，英伟达联合了顶尖的硬件伙伴，将真人尺寸的躯体、灵巧的操作能力、敏锐的感知和极致机载AI算力完美融为一体。

根据演讲及官网信息，我们拆解一下这台机器人的硬件构成：

◎核心躯干：宇树H2人形机器人本体

为了适配最广泛的真实人类生活和工作场景，机器人底盘采用了宇树H2人形机器人本体。

这是一个高度接近成年人类体型的人形机器人，身高近6英尺（约合1.83米），体重达到了150磅（约68公斤），全身31个自由度，让其具备了极强的运动协调性。

在全身运动控制上，其腿部关节扭矩最高可达360N·m，手臂扭矩最高为120N·m。此外，它的手臂额定负载达到7公斤，峰值负载更是高达15公斤，完全能够支撑起高强度的抓取与大幅度的伸展作业。

◎触觉灵巧手：双Sharpa Wave五指灵巧手

躯干负责重体力，双手则代表着人类的精细操作。

该参考设计配备了双Sharpa Wave触觉五指灵巧手，每只手就拥有22个自由度，使整机在手部与身体层面合计达到75个自由度，支持人类尺度下的灵巧操作。

同时在触觉感知方面，该手配备高分辨率数字触觉阵列，每个指尖拥有超过1000个触觉像素，压力灵敏度达到0.02N，可支持机器人在长时序、复杂操作任务中保持高成功率，例如手内旋转和双手协同操作。

“让机器人真正具备生产力，是Sharpa一直以来的愿景。”Sharpa联合创始人李一帆表示，“Sharpa 正通过触觉灵巧硬件与AI模型，持续推动机器人精细操作能力的提升。与Unitree和NVIDIA联手打造人形机器人参考设计和端到端开发方案，是推动机器人走向真实场景、完成真实工作的关键一步。”

◎多视角感知系统

为了让机器人“看清”世界，其头部搭载了视野极为开阔的 140°（水平）×102°（垂直）广域立体相机，这构成了它的“主视觉”。

同时，为了配合双手的精细动作，手腕处还专门配备了近距离操作专用相机，以消除操作盲区。

系统内置的惯性测量单元（IMU）则时刻进行精准的运动追踪，保证身体的平衡与方位感。

◎机载算力中枢：Jetson AGX Thor T5000

为了保证实时传感器处理与复杂的机器人推理，无需事事依赖云端的高延迟网络，机器人内置了NVIDIA Jetson AGX Thor T5000计算单元。

这颗“大脑”搭载了英伟达引以为傲的布莱克韦尔（Blackwell）GPU，提供高达 2070 FP4 万亿次的AI算力；

同时配备了14核Arm CPU以及128GB统一内存。更贴心的是，它的功耗可以在40瓦到130瓦之间灵活配置，兼顾了性能与续航。

此外，在连接能力上，这台机器人全面支持以太网、Wi-Fi 6、蓝牙5.2以及 USB 连接。为了实现自然的人机语音交互，机身内置了麦克风与扬声器。

续航方面，它配备了一块15Ah、总能量达 0.972kWh的长续航电池，能够支撑大约3小时的连续作业需求。

同时，处于严谨的安全考量，它还支持远程急停功能，在出现意外时能够快速、安全地切断机器人动力。

03.

完整的端到端工作流

如果说躯体是机器人的硬件门面，那么隐藏在背后的端到端工作流，则是这次发布的真正灵魂。

NVIDIA Isaac GR00T平台提供了一套经过全面梳理和极限测试的数据与软件工具链，硬生生将原本需要数月的环境搭建期，压缩到了短短几个小时。

科研团队无需再为每一个具体的任务或每一台新机器重复搭建基础设施，这套模块化的开发平台覆盖了从数据采集、机器人模型评估，一直到实机部署的全流程：

第一步：环境设置与仿真构建。开发者可以直接在NVIDIA Isaac Sim™与Isaac Lab中快速搭建逼真的物理模拟环境。在将昂贵的实体机器人置于危险之前，所有的策略都可以在这里进行无风险的仿真、训练、测试和评估。

第二步：动作演示与采集。依托NVIDIA Isaac Teleop，研究人员可以在真实环境或模拟器中，极为方便地捕捉和采集高质量的机器人动作演示数据。这些数据是后续模型训练与策略开发最宝贵的“养料”。

第三步：数据的裂变与合成。仅靠人工演示收集数据是远远不够的。借助Omniverse和Cosmos引擎的强大能力，平台能够生成海量的合成数据，瞬间将单个的动作演示规模化扩展到成千上万个，极大地丰富了训练集。

第四步：策略训练与打磨。在Isaac Lab Arena环境中，系统会对机器人的各项策略（Policies）进行严苛的评估与高强度训练，并由NVIDIA Isaac GR00T开源基础模型提供底层的推理、学习与多任务行为能力支撑。

第五步：无缝的实机部署。当“大脑”在虚拟世界中训练完毕，加速版的NVIDIA Isaac ROS中间件便登场了。它能将成熟的策略平滑地部署到实体机器人上，并通过机载的NVIDIA Jetson Thor计算单元执行实时的推理与控制任务。

比如就从Sharpa Wave而言，为了实现更完善的触觉灵巧操作开发闭环，开发者可以采取三步走策略：

首先，开发者结合NVIDIA Isaac Teleop，采集高质量上肢示教数据，用于灵巧操作训练与策略开发。这意味着机器人不再只是执行简单轨迹，而是能够学习更接近人类操作方式的复杂上肢动作与手部动作。

其次，开发者可在Isaac Sim和Isaac Lab中，基于Sharpa Wave的触觉参数，对触觉灵巧操作策略进行仿真、训练与评估，帮助团队在真实部署前验证策略表现，降低开发风险。

最后，借助NVIDIA Jetson的板载推理与控制能力，开发者可以将触觉灵巧操作策略实时部署到机器人本体上，并以更小的从仿真到现实（sim-to-real）差距完成真实环境部署。

此外，在这个完整闭环中，英伟达特别强调了科研人员的数据主权——开发者对机器人产生的数据、训练数据、遥测信息以及系统日志拥有完全的控制权，这为学术研究提供了极大的安全感。

小结一下，Isaac GR00T平台核心组件包括：

该平台采用模块化设计，科研团队可使用完整平台，或集成部分功能至现有开发流程，无需为每个机器人或任务重复搭建基础设施，快速扩大人形机器人研发规模。

04.

写在最后

除了今天发布的这款重磅全尺寸机型，英伟达还展现出了极强的生态包容度。

他们宣布，NVIDIA Isaac GR00T开发平台也将向下适配全球机器人开发者非常喜爱的另一款热门机型——宇树G1人形机器人。

这套针对G1的参考开发流程，预计近期就会在GitHub与Hugging Face两大全球最大的开源社区平台上对外开放。

而今天这台集结了人类当前顶尖软硬件结晶的NVIDIA Isaac GR00T参考人形机器人完全体，预计将于2026年底由宇树科技正式推向市场。

Sharpa的灵巧操作能力、宇树科技的人形机器人硬件平台、NVIDIA的板载计算能力，以及Isaac GR00T工作流整合为一套统一、可复用、已验证的参考设计，帮助研究团队更快完成机器人整机调试、技能开发与真实环境验证。

目前，艾伦人工智能研究所（Ai2）、苏黎世联邦理工学院、斯坦福机器人中心与加州大学圣地亚哥分校先进机器人与控制实验室等顶尖机构，都将采用该参考设计推进前沿人形机器人研究。

值得一提的是，英伟达自家的研究院也宣布将采用该参考设计，并承诺持续对其开源模型、框架与硬件技术进行反哺和优化。

显然地，在这个模块化、开源的全栈开发平台加持下，包含开源模型、模拟库、数据生成器和强大硬件的“全家桶”，正在为全人类的通用机器人梦想铺平道路。

它打破了硬件制造与软件算法之间的那堵隐形高墙，让世界上的任何一个实验室，都能在哪怕最不起眼的角落，随时开展触及未来的前沿探索。