探索机器人模拟功能，让“数字孪生”更进一步

全新 Isaac 模拟引擎不但能够创造更逼真的环境，而且还能简化合成数据生成和域随机化，从而建立真值数据集来训练用于物流、仓库、未来工厂等的各种机器人。

Omniverse 是 NVIDIA 模拟器的根本基础，包括加入了多项新功能的 Isaac 平台。NVIDIA Isaac Sim 目前已发布公测版，您可以通过该平台探索更高级的机器人模拟功能。

Isaac Sim 基于 NVIDIA Omniverse 平台而构建，它是一个机器人模拟应用与合成数据生成工具。机器人专家可使用它更高效地训练和测试机器人，模拟机器人与指定环境的真实互动，而且这些环境可以超越现实世界。

Isaac Sim 的发布还增加了经过改进的多摄像头支持功能、传感器功能以及一个 PTC OnShape CAD 导入器，让 3D 素材的导入变得更加轻松。从实体机器人的设计和开发、机器人的训练，到在“数字孪生”中的部署（数字孪生是一种精确、逼真的机器人模拟和测试虚拟环境），这些新功能将全方位地扩大可以建模和部署的机器人和环境范围。

• 支持多摄像头

• 带合成数据的鱼眼相机

• 支持 ROS2

• PTC OnShape 导入器

• 经过改进的传感器支持

          a. 超声波传感器

          b. 力传感器

          c. 自定义激光雷达模式

• 可从 NVIDIA Omniverse Launcher 中下载

Isaac Sim 可以将多摄像头传感器数据发送到 Rviz（ROS可视化工具）

在 Isaac Sim 中控制 Dofbot 操作机器人

开发者早已明白强大的模拟环境对机器人测试和训练的益处，但此类模拟器往往存在着限制其使用的缺点。Isaac Sim 通过以下优势来弥补这些缺点。

逼真的模拟

为了提供逼真的机器人模拟，Isaac Sim 运用了Omniverse 平台的强大技术：使用 PhysX 5 进行高级 GPU 物理模拟、借助实时光线追踪和路径追踪实现高逼真度，以及支持物理渲染的材质定义语言（Material Definition Language ，MDL）。

模块化设计与丰富的应用

Isaac Sim 专为解决许多最常见的机器人用例而创建，包括操控、自主导航和用于训练数据的合成数据生成。其模块化设计能够让用户轻松自定义和扩展工具集，以适应多种应用和环境。

无缝连接和互操作性

借助NVIDIA Omniverse，Isaac Sim可以使用Omniverse Nucleus和Omniverse Connectors在通用场景描述（USD）中合作构建、分享、导入环境模型与机器人模型。通过ROS/ROS2接口或功能齐全的Python脚本，以及用于导入机器人模型和环境模型的插件，可以轻松地让机器人的大脑与虚拟世界相连。

合成数据生成是一个重要的工具，它正在被越来越多地用于训练当今机器人的感知模型。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。

玻璃物体的真值合成数据

在公测版中，我们能够输出 KITTI 格式的合成数据。这些数据可以直接用于 NVIDIA 迁移学习工具包，以使用特定用例数据提高模型性能。

域随机化能够对定义模拟场景的参数进行更改，如场景中的照明、颜色和材质纹理等。域随机化的主要目标之一，便是通过将神经网络暴露在所模拟的各种域参数中，来加强机器学习（machine learning ，ML）模型的训练。这有助于模型在真实世界场景中实现有效的泛化。实际上，这项技术能够教会模型忽略不重要的内容。

工厂场景的域随机化

Isaac Sim 能够对定义一个特定场景的多个不同属性进行随机化。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。

在 Isaac Sim 公测版中，我们通过允许用户定义随机化区域来增强域随机化功能。开发人员现在可以在场景中要随机化的区域周围绘制一个框，场景的其余部分将保持静态。