发那科与英伟达深化合作 共同推进AI机器人仿真与数字孪生技术
发那科近日宣布了一项重要进展：其与英伟达的战略合作将进一步深化，核心是将发那科旗下的机器人仿真软件RoboGuide与英伟达的开放式机器人仿真平台Nvidia Isaac Sim进行深度融合。此次合作超越了简单的数据对接，旨在构建一个高精度、一体化的数字孪生解决方案，从而显著提升虚拟工厂环境中的操作直观性与仿真效率。
实际上，双方合作的趋势在去年12月的东京国际机器人展上已初露端倪。当时，发那科演示了将RoboGuide中创建的机器人运动程序无缝导入Isaac Sim，并利用与真实机器人完全一致的控制算法驱动虚拟模型，从而精准复现其运动轨迹与作业节拍。如今，双方宣布集成能力再上新台阶，两套系统的协同运作更为紧密，这为机器人的测试与虚拟调试创造了一个实用性更强、效率更高的仿真环境。
两种集成模式，各具优势
那么，这种深度集成具体是如何实现的？目前主要呈现两种互补模式，以适应不同的工业应用场景。
第一种模式，可以理解为以Nvidia Isaac Sim作为“前台”主操作界面，而发那科的RoboGuide则在“后台”提供核心的机器人控制逻辑，确保虚拟机器人的每一个动作都精准无误。两套系统保持着持续的实时通信。
在此模式下，操作员甚至可以通过连接在RoboGuide上的虚拟或实体示教器，如同操作真实发那科机器人一般，在Isaac Sim构建的虚拟空间中进行实时、直观的控制。点动、编程、程序运行验证等所有操作均可在Isaac Sim内直接完成。这使得工程师能够在GPU加速的、具备极高物理精度的传感器与环境仿真中，高效地进行机器人安装前的工艺设计与可行性研究。
更重要的是，通过进一步整合英伟达的Isaac Lab机器人学习框架与Omniverse库，一些过去在仿真中极具挑战的复杂任务——例如处理线缆等柔性物体，或执行精密的插入装配——现在都能实现高精度模拟。此外，在Isaac Sim中运行的机器人，其运动轨迹与节拍时间能与真实机器人保持高度一致，有效弥合了仿真与现实之间的“现实差距”。这一联合仿真环境还支持强化学习与模仿学习，为物理AI系统的快速评估与部署铺平了道路。
第二种模式则调换了主次关系，以发那科的RoboGuide作为主操作界面，后台则由英伟达强大的Nvidia PhysX物理引擎提供支持。此次集成让RoboGuide接入了PhysX引擎，从而能够对那些此前仿真精度不足的复杂任务进行精确模拟，料箱拣选便是一个典型应用。
系统可以通过基于物理的建模，真实地还原料箱内随机散乱堆放的零件状态。同时，RoboGuide自带的3D视觉系统会精准识别每个零件的位置，进而引导虚拟机器人完成抓取与放置。甚至一些真实工况下的复杂场景——例如机器人尝试抓取特定零件失败后，自动切换备选方案——都能在虚拟环境中被完整复现。
这项进展的深远意义在于，用户现在完全可以在虚拟环境中完成整套料箱拣选系统的可行性验证与优化，无需再依赖大量实物零件进行耗时耗力的现场试错。借助Nvidia PhysX的加持，RoboGuide极大地提升了此类系统的设计与部署效率，而这一过程在过去往往需要投入大量的时间与专业的现场工程支持。
看机器人如何“学会”叠衣服
除了软件平台的深度融合，发那科在硬件与AI结合方面也展示了令人瞩目的应用成果。在近期的开放日活动中，他们展示了一套由两台CRX协作机器人组成的双臂系统。该系统的“大脑”基于英伟达的开放式机器人基础模型Nvidia Isaac GR00T N，通过模仿学习，它掌握了一项对人类而言都颇具灵巧性的任务——折叠T恤。
折叠T恤这类柔性物体之所以困难，是因为物体的形态在整个操作过程中持续动态变化，传统的“示教再现”或简单的视觉路径补偿方法难以有效应对。那么，机器人是如何掌握这项技能的呢？
演示中，操作人员首先亲自操控CRX机器人完成一次完整的折叠任务示范，该过程被系统完整记录。通过先进的模仿学习算法，双臂CRX系统从这次示范中习得了操作技能，并能够自主复现。关键在于，结合模仿学习实时生成的运动指令，CRX机器人能够一边通过摄像头对T恤进行实时视觉识别与追踪，一边自主调整末端执行器的动作，流畅地完成折叠。
以往，基于模仿学习生成的机器人动作往往存在不够连贯，甚至出现分段或抖动的情况。此次，发那科将其业界领先的运动控制技术与Nvidia GR00T N模型深度结合，最终输出了流畅、连续且拟人化的动作。现场参观者可以亲眼目睹双臂机器人自主、流畅地完成叠T恤的全过程。
算力升级，避障更敏捷
还记得去年东京展上那台“能主动避让人类的AI机器人”吗？该系统基于发那科的机器人开放平台打造。如今，这个引人注目的系统也迎来了关键升级——它搭载了英伟达最新的机器人计算平台Nvidia Jetson Thor。
具体而言，系统将原有的Nvidia Jetson AGX Orin计算模块升级为性能更强大的Jetson T5000模块。这一更换带来的AI算力提升超过了7.5倍。在展会现场，参观者可以亲身体验到，依托Jetson Thor提供的强大边缘计算性能，这台机器人能够以更快的响应速度、更流畅的动作轨迹来感知并规避人员的移动，在人机安全协作方面表现更为出色与可靠。
五月展会，亲身体验未来
如果您对上述前沿的机器人仿真技术与AI应用感到好奇，即将在五月举行的发那科新品展览会将是一个绝佳的亲身体验机会。参观者将有机会亲眼见证并互动体验以下场景：在虚拟空间中实时操控机器人、高精度的数字孪生仿真模拟、基于Nvidia PhysX引擎的物理仿真演示、由英伟达机器人基础模型驱动的双臂机器人模仿学习，以及搭载了最新边缘计算平台的智能协作机器人系统。
Q&A
Q1：发那科与英伟达的集成有哪两种模式？分别有什么特点？
A：第一种模式以Nvidia Isaac Sim为主操作界面，RoboGuide在后台确保控制精度。用户可通过示教器实时操控虚拟机器人，该模式支持模仿学习与强化学习，致力于消除仿真与现实的差距。第二种模式则以RoboGuide为主界面，后台接入Nvidia PhysX物理引擎，能高精度仿真料箱拣选等复杂任务，让用户能在虚拟环境中完成系统验证，大幅减少实物试错成本。
Q2：双臂CRX协作机器人是如何学会折叠T恤的？
A：核心在于模仿学习。先由操作人员操控CRX机器人进行示范，系统从中学习技能并复现。结合发那科的运动控制技术与Nvidia Isaac GR00T N基础模型，机器人能实时生成流畅连续的动作，并通过视觉识别T恤形态变化，自主完成折叠，解决了柔性物体处理中的动态调整难题。
Q3：升级后的避障机器人相比之前有哪些提升？
A：主要提升在于计算核心。机器人从搭载Nvidia Jetson AGX Orin升级为Jetson T5000模块，AI算力提升超过7.5倍。这使得机器人感知环境、规划避障路径的速度更快，动作更流畅，现场参观者可直观体验其增强后的实时避障能力。
相关攻略
HermesAgent是一款开源自主AI智能体框架，定位为可持久运行、自我进化的“数字员工”。它以任务完成为导向，通过四层架构处理信息、操作文件、执行终端命令及自动化浏览器，支持六种部署方式，并通过统一网关接入微信等多平台。其关键特性在于能从任务经验中自动提炼并复用技能，实现持续进化，越用越。
近期，世界模型领域动态频频，竞争日趋白热化。 李飞飞教授创立的具身智能公司 World Labs 高调发布了「Spark 2 0」模型；几乎同时，阿里巴巴也推出了自家的世界模型「快乐生蚝」。此外，Physical Intelligence 公司发布了新模型 π 0 7，重点强调了其在未见任务上的组合
近日，2026北京亦庄机器人半程马拉松赛事现场，一款造型独特的机器人意外成为焦点，在网络上引发了广泛讨论。这款被网友昵称为“豆脚”的机器人，以其极具辨识度的外观和有趣的行走姿态，迅速走红。 “豆脚”机器人的创意来源于抖音平台的虚拟IP“豆包”。其创作者、抖音博主“同济子豪兄”基于高擎动力的小派机器人
“跑马拉松的机器人和我们，完全是两个领域。我们和做语言模型的公司，距离反而更近。” 就在不久前，一场机器人马拉松吸引了无数目光。那些拥有刀锋般双足的机器人，跑出了超越人类的速度。然而，在自变量科技CEO王潜看来，这更多是硬件能力的展示，而真正的战场，在于“大脑”。 “硬件在中国，从来都不是壁垒。今天
FigureAI三台人形机器人在物流仓库进行了超40小时全自主分拣直播，处理数千件包裹并自主充电交接。直播旨在回应对其实用性的质疑，展示其在工业场景中的稳定性与操作能力。尽管其自适应抓取与异常处理表现突出，完全自主性仍存争议。目前国内外多家公司已在物流领域部署类似机器人。
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限