光轮智能利用 NVIDIA GR00T N1 人形机器人模型落地汽车工厂生产应用

光轮智能成功将 NVIDIA GR00T N1 人形机器人基础模型部署至汽车制造生产线，这一成果标志着具身智能在工业自动化领域的重大突破以及应用潜力。

此次部署，是 GR00T N1 人形机器人基础模型在行业场景的首次应用实例。光轮智能合成数据技术在应用中发挥了关键作用，有效解决了具身智能训练中的数据稀缺挑战。两者合作为具身智能进入智能制造树立了新范式。

NVIDIA GR00T N1：

通用人形机器人技术的核心引擎

作为全球首个通用人形机器人开源基础模型，GR00T N1 是此次合作的技术基础。该模型能够流畅处理文本指令与图像等多模态输入，输出机器人动作指令，展现出跨实体、跨任务泛化能力。

GR00T N1 的独特优势源于其创新的双系统架构：视觉-语言模型系统负责环境理解和动作规划，而 Diffusion Transformer 系统则将这些规划无缝转化为具体的机器人动作指令。这种受人类认知原理启发的架构设计，使模型在后训练阶段实现协同优化，提升整体性能表现。

在训练数据策略方面，GR00T N1 整合了海量互联网视频数据、真实机器人操作数据以及高质量合成数据，确保其在多样化场景中的适应性与可靠性。其中，由光轮智能基于 Isaac Sim 与 Omniverse 平台制作的仿真合成数据扮演着关键角色，通过高效并行方式调整场景材质、颜色、位置、角度、光照和环境参数，同时实现动作数据的有效泛化，从而使得模型在广泛应用场景中展现适应性。

在实际应用中，GR00T N1 不仅能够执行简单的物体操作，还能胜任需要持续上下文理解和多技能整合的复杂任务，如多步骤玩具组装、使用咖啡机、双手使用托盘等任务。相较于传统基线模型，GR00T N1 在仿真和现实基准测试中均表现出更高的成功率和更稳定的运动轨迹。

光轮智能基于合成数据技术，

加速 GR00T N1 落地汽车工厂

对于 GR00T N1 模型而言，核心挑战体现在两个方面：需同时支持多样化任务类型，并适配不同机器人本体结构。单纯依赖互联网数据仅能获取环境与任务的上下文信息，却无法有效习得不同机器人本体的精确动作知识，这主要受限于互联网数据中机器人本体多样性不足且缺乏专业动作标注。另一方面，纯粹使用真实机器人数据同样存在局限性，因其在环境泛化方面表现不佳，无法像合成数据那样轻松实现场景多样化变换，难以从根本上解决模型泛化难题。

相比之下，仿真合成数据优势显著：不仅能够借助 MimicGen 技术对动作轨迹数据进行有效泛化，还能在单位时间内实现更高效率的数据采集流程，因此这两大挑战需借助仿真合成数据的独特优势来克服。

光轮智能成功构建了物理交互真实、场景多样化的仿真环境，模拟了汽车工厂中的复杂任务场景。基于“人在环”的仿真遥操作，生成了覆盖各类任务的大规模遥操作合成数据，并将这些遥操数据迁移至不同机器人本体上，确保模型在各种机器人平台上均能表现优秀。这些高质量合成数据不仅加速了 GR00T N1 基础模型的训练过程，还通过“Real2Sim2Real + Realism Validation”技术架构，有效缩小了仿真环境与物理现实世界的差距，确保训练成果能够顺利迁移至真实应用场景，从而大幅提升模型在实际环境中的表现水平。

在汽车工厂中，搭载 GR00T N1 模型的人形机器人装载通过质检的零部件并批量搬运放置到精确位置的动作，展现了其在工业场景中的巨大潜力。

经训练后的机器人能够通过视觉精确识别装载框中的零部件以及质检台上的指定位置，完成抓取、搬运和放置的动作。其左右手协同操作能力不仅显著提升了批量处理的工作效率和承重能力，更在整个搬运过程中保持稳定性，确保零部件安全、完整地抵达质检台。

这种高精度自动化操作优化了零部件质检流程，提升了生产效率，有望降低质检环节的运营成本。更为重要的是，机器人能够替代人类在生产线上承担的高重复性、高强度体力劳动任务，减轻了工人的工作负担，创造了更为人性化的工作环境。

这些复杂工业任务的成功实施，有力证明了 GR00T N1 模型在多元化工业环境中的可靠性与适应性，而光轮智能提供的前沿合成数据解决方案无疑是推动这一突破的关键力量。

光轮智能：以合成数据技术，

破解具身智能基础模型数据瓶颈

在具身智能领域，高质量训练数据的稀缺性一直是制约技术突破的关键瓶颈。传统数据采集方法不仅成本高昂，还耗时漫长，难以满足现代人形机器人快速迭代优化的需求。基于 Isaac Sim，光轮智能采用创新的“Real2Sim2Real + Realism Validation”技术架构，构建物理特性精确、3D 视觉效果真实且高度可交互的数字资产与场景，涵盖柔性资产、带触觉反馈的刚体资产、具备液体属性的动态资产等，以及物理可交互工厂环境模拟。通过自动质检、真实性评测标准和效用性评估流程，光轮智能对生成的训练数据实施全方位质量管控。

光轮智能的合成数据解决方案还融入了真实人类专家示范，通过在高度真实的仿真场景中实施遥操作，系统采集包含真实人类示范的任务执行轨迹。基于 NVIDIA 强大的 Isaac Sim 仿真平台，结合 MimicGen 和 Cosmos 技术，光轮智能成功生成了海量物理真实的训练数据集，为 GR00T N1 模型的深度训练提供了坚实的技术支撑。

这一突破性创新不仅在效果上超越纯真实数据训练方案，显著提升了模型的智能水平和决策能力，更为下一代人形机器人在复杂多变的工业应用场景中发挥潜力奠定了扎实基础。

未来展望：

进入具身智能场景落地时代

此次，NVIDIA 与光轮智能合作，成功实现 GR00T N1 在汽车工厂成功落地，仅是人形机器人技术广泛应用的一个开端。随着合成数据技术的不断进步和 GR00T N1 模型的持续优化，人形机器人将在汽车制造、物流管理、质量检测等领域发挥更大作用，推动全球产业智能化升级。

汽车工厂的成功首发只是起点。光轮智能将持续利用其合成数据技术优势，借助 NVIDIA 技术生态，推动人形机器人技术的创新与家居、商超、物流等多样场景落地，为全球产业智能化注入新的动力。

*本文视频均由光轮智能制作，如果您有任何疑问或需要使用视频，请联系光轮智能。