AIDC
DC AI 热点

全部 AI 动态

9月24日2026-09-24
Hugging Face✦ 精选AI 评分 65/10002:41

如何利用 NVIDIA Warp 与 MjWarp 加速机器人仿真及学习工作流

该技术文章聚焦于如何结合使用 NVIDIA Warp 与 MjWarp 框架,以加速机器人领域的物理仿真与强化学习等工作流。由于提供的原始素材缺少详细摘要与正文内容,具体的技术架构实现、性能评测对比及实操步骤等细节尚无法进一步展开。整体内容旨在探讨通过高性能 GPU 仿真工具提升机器人开发与训练效率的方法。

阅读原文 ↗推荐理由:聚焦利用 GPU 加速框架优化机器人仿真与学习工作流的技术实践,对具身智能开发者具实用参考价值。# NVIDIA Warp# MjWarp# 机器人仿真# 强化学习# 具身智能
Microsoft Research✦ 精选AI 评分 78/10000:01

微软提出机器人推理卸载架构,以突破物理AI硬件算力瓶颈

微软研究院针对机器人硬件难以跟上AI能力增长的瓶颈,发布了有关“推理卸载”的最新研究成果。研究表明,将AI模型的推理计算任务转移至机器人本体之外的外部计算平台,能够显著提升任务执行的成功率并提高系统效率,同时支持运行更为复杂的先进物理AI工作负载,为智能机器人突破车载硬件限制提供了可行的计算架构方案。

阅读原文 ↗推荐理由:微软针对具身智能算力瓶颈探讨了推理卸载方案,对物理AI落地应用具有重要的架构参考价值。# 微软研究院# 具身智能# 推理
9月23日2026-09-23
Solidot · AI 筛选✦ 精选AI 评分 75/10016:32

丰田推进产线人形机器人部署与员工协同训练,计划部署40万台工业机器人

丰田汽车计划未来几年在工厂部署40万台机器人,其中包括人形机器人。目前丰田已在装配线引入轮式移动的人形机器人ELEY,并由员工佩戴特定手部装置对其进行精细操作训练。丰田执行副总裁表示,此举旨在实现机器人与人类共存协同,而非取代现有员工。国际机器人联合会数据显示,日本目前工业机器人部署量位居全球第二,丰田此举展现了汽车制造龙头加速智能化落地的趋势。

阅读原文 ↗推荐理由:展现了汽车制造巨头将人形机器人引入真实工厂装配线及推进人机协同训练的具体进展。# 丰田# 具身智能# 智能制造# 工业自动化
9月22日2026-09-22
NVIDIA Developer Blog✦ 精选AI 评分 75/10021:00

英伟达发布DLSS 5:引入3D引导神经渲染,升级ACE与RTX套件功能

英伟达面向游戏开发者发布系列技术更新,推出DLSS 5并引入DLSS 3D引导神经渲染(3D-Guided Neural Rendering)及精细化控制功能,旨在帮助开发者在保持渲染性能的同时,呈现逼真的光照效果和材质细节。此外,本次更新还涵盖了NVIDIA ACE(虚拟数字人技术)的最新进展以及RTX Kit套件的新功能增强。

阅读原文 ↗推荐理由:英伟达发布全新DLSS 5技术及图形渲染重大更新,对游戏开发与图形渲染生态具有重要影响。# 英伟达# 计算机视觉# 端侧AI# 芯片
NVIDIA · AI 筛选✦ 精选AI 评分 78/10020:00

英伟达发布 Isaac ROS 5.0,推进开源与智能体机器人开发

为帮助开发者在动态环境中构建具备感知、推理和行动能力的复杂机器人应用,英伟达发布了基于开源机器人操作系统 ROS 的 GPU 加速软件套件 NVIDIA Isaac ROS 5.0。该版本旨在提供新型物理 AI(Physical AI)模型与工具链,进一步推动具备自主能力的智能体机器人及开源机器人开发进程。

阅读原文 ↗推荐理由:英伟达更新核心机器人开发套件 Isaac ROS 5.0,强化了物理AI与智能体机器人的GPU加速能力。# 英伟达# 具身智能# 智能体# 开源# 算力
NVIDIA Developer Blog✦ 精选AI 评分 70/10020:00

利用AI智能体与NVIDIA Isaac ROS加速ROS 2节点性能

GPU加速虽能提升计算密集型机器人工作负载的效率,但仅凭高效的CUDA内核并不足以确保整个ROS 2图的高性能运行。随着消息在节点之间传递,系统架构与通信开销往往成为瓶颈。本文探讨如何结合AI智能体与英伟达Isaac ROS套件,对ROS 2节点及计算图进行端到端的深度优化与性能加速,克服机器人数据流传输中的性能瓶颈。

阅读原文 ↗推荐理由:聚焦机器人操作系统ROS 2与英伟达Isaac ROS的GPU工程化加速,对具身智能开发具实用参考价值。# 具身智能# 英伟达# 智能体# 算力
NVIDIA · AI 筛选✦ 精选AI 评分 72/10000:00

物理AI规模化落地为何需要在每一层构建安全机制

物理AI正从实验室研究迅速走向规模化部署。市场调研机构预测,到2035年L3至L5级自动驾驶汽车的装机量将达4900万辆,2026至2035年间工业机器人部署量预计达6000万台。随着这些自主机器深入道路、工厂与仓储等与人类共享的实体环境,整个物理AI系统必须在硬件、算法及运行等每一技术层级构建全方位的安全保障,以应对复杂人机协作场景的风险挑战。

阅读原文 ↗推荐理由:聚焦自动驾驶与工业机器人等物理AI的大规模爆发趋势,探讨了多层级安全体系在实体场景落地中的关键价值。# 具身智能# 安全# 自动驾驶
9月17日2026-09-17
NVIDIA Developer Blog✦ 精选AI 评分 68/10007:20

如何利用AI智能体构建与验证用于物理仿真的3D场景

文章介绍了如何将AI智能体工作流应用于物理AI系统的数字孪生准备与验证中。通过智能体工作流,AI能够自动巡检并解析3D场景,生成和编辑仿真所需的关键数据,从而大幅提升物理仿真环境的搭建效率,为具身智能与机器人等物理AI系统的训练与测试提供高质量的数字孪生支撑。

阅读原文 ↗推荐理由:探讨了AI智能体在构建物理仿真与数字孪生场景中的实用落地流程。# 智能体# 具身智能# 多模态# 计算机视觉
NVIDIA Developer Blog✦ 精选AI 评分 78/10004:37

英伟达 TensorRT Edge-LLM 在 Jetson AGX Thor 上实现 MLPerf 边缘智能体基准 6.4 倍加速

英伟达公布最新测试结果,TensorRT Edge-LLM 在 Jetson AGX Thor 平台上运行 MLPerf 边缘智能体基准测试时实现了 6.4 倍的速度提升。随着 AI 智能体逐步从云端数据中心迁移至汽车、机器人及其他边缘硬件,该技术针对需要多步骤推理的智能体工作流进行了优化,显著提升了端侧设备本地处理复杂任务的能力与能效表现。

阅读原文 ↗推荐理由:展示了英伟达下一代 Jetson Thor 平台在边缘端与具身硬件上加速运行 AI 智能体的性能突破。# 英伟达# 端侧AI# 智能体# 推理# 具身智能
8月26日2026-08-26
8月17日2026-08-17
8月14日2026-08-14
7月30日2026-07-30
7月28日2026-07-28
6月27日2026-06-27
6月9日2026-06-09