NVIDIA का ICRA 2026 शोध: सिमुलेशन में प्रशिक्षित रोबोट अब असली दुनिया में कैसे माहिर हो रहे हैं

Grasp-MPC: मिड-मोशन में सुधार करने वाली अनुकूली ग्रैस्पिंग

जब वस्तुएं खिसक जाती हैं या रोबोट का शुरुआती अनुमान थोड़ा गलत होता है, तो स्थिर ग्रैस्पिंग प्लान विफल हो जाते हैं। Grasp-MPC जैसे-जैसे रोबोट किसी वस्तु के करीब आता है, लगातार अपनी गति को सही करता है। शोधकर्ताओं ने GraspGen डेटासेट और cuRobo, एक CUDA-त्वरित मोशन जनरेशन लाइब्रेरी, का उपयोग करके 8,000 वस्तुओं पर 2 मिलियन सिम्युलेटेड ट्रैजेक्टरीज उत्पन्न कीं। असली रोबोटों पर, इसने 41% बेसलाइन की तुलना में ~75% समग्र ग्रैस्पिंग सफलता हासिल की ।

डिफॉर्मेबल क्लस्टर मैनिपुलेशन: जीरो-शॉट क्लटर क्लियरिंग

उलझी हुई, लचीली सामग्रियों—जैसे बिजली की लाइनों पर शाखाएं—में हेरफेर करने के लिए एक सटीक ग्रिपर से कहीं अधिक की आवश्यकता होती है। NVIDIA के शोधकर्ताओं ने Isaac सिमुलेशन फ्रेमवर्क में हजारों सिंथेटिक पेड़ों का उपयोग करके, पूरे आर्म का उपयोग करके झुंडों को हटाने के लिए नीतियों को प्रशिक्षित किया। परिणाम: नीतियों को बिना किसी अतिरिक्त प्रशिक्षण के जीरो-शॉट में असली शाखाओं पर तैनात किया गया ।

PEEK: केंद्रित दृष्टि 41 गुना तक की सटीकता बढ़ावा देती है

रोबोट के कैमरा फीड में बाधा डालने वाली चीजें अच्छी तरह से प्रशिक्षित मैनिपुलेशन नीतियों को भी पटरी से उतार सकती हैं। PEEK एक कार्य निर्देश को पढ़ने और प्रासंगिक वस्तुओं पर रोबोट की दृष्टि को केंद्रित करने के लिए एक विज़न-लैंग्वेज मॉडल का उपयोग करता है, जबकि बाकी सब कुछ धुंधला कर देता है। जब इसे पूरी तरह से सिमुलेशन में प्रशिक्षित नीति में जोड़ा गया, तो PEEK ने वास्तविक दुनिया की सटीकता में 41 गुना सुधार किया। बड़े विज़न-लैंग्वेज-एक्शन (VLA) मॉडल के लिए, लाभ 2–3.5 गुना तक था। PEEK बिना किसी संशोधन के किसी भी कैमरा-आधारित नीति के साथ एकीकृत हो जाता है ।

Do What You Say (SEAL): तर्क और क्रिया के बीच की खाई को बंद करना

SEAL फ्रेमवर्क—कार्नेगी मेलन यूनिवर्सिटी, यूटा यूनिवर्सिटी और सिडनी यूनिवर्सिटी के साथ एक सहयोग—एक ऐसी आम विफलता को ठीक करता है जो भ्रामक रूप से सामान्य है: मॉडल सही तर्क करता है, सही योजना चुनता है, लेकिन कुछ अलग निष्पादित करता है। SEAL कई उम्मीदवार एक्शन सीक्वेंस उत्पन्न करता है, सिमुलेट करता है कि प्रत्येक कहाँ ले जाता है, और उसे चुनता है जो बताए गए इरादे से सबसे अच्छी तरह मेल खाता है। यह पूर्व कार्य की तुलना में 15% तक की सटीकता लाभ प्रदान करता है और दोबारा लिखे गए निर्देशों, अव्यवस्था और बदले हुए कैमरा कोणों के लिए मजबूत है ।

Refinery: 91% सिमुलेशन सफलता के साथ असेंबली चरणों की श्रृंखला बनाना

बहु-भाग असेंबली के लिए, प्रत्येक चरण का परिणाम अगले को आकार देता है। Refinery उन नीतियों को प्रशिक्षित करता है जो इन निर्भरताओं को समझती हैं, सैकड़ों सिम्युलेटेड परिदृश्यों में सीखती हैं। यह 91% सिमुलेशन सफलता और बेसलाइन पर लगभग 11% का औसत सुधार प्राप्त करता है, ऐसी नीतियों के साथ जो लंबे, जटिल असेंबली अनुक्रमों के लिए एक साथ जुड़ती हैं ।

निपुण ह्यूमनॉइड कार्यों के लिए विज़न-बेस्ड सिम-टू-रियल RL

एक अलग विज़न-आधारित सिम-टू-रियल रीइन्फोर्समेंट लर्निंग रेसिपी ने एक ह्यूमनॉइड रोबोट को ग्रैस्प-एंड-रीच, बॉक्स लिफ्ट और बाईमैनुअल हैंडओवर कार्यों के लिए प्रशिक्षित किया। इस दृष्टिकोण ने अनदेखी वस्तुओं पर मजबूत, अनुकूली व्यवहार के साथ उच्च सफलता दर का प्रदर्शन किया—यह रेखांकित करते हुए कि सिम-टू-रियल RL के माध्यम से विज़न-आधारित निपुण हेरफेर न केवल व्यवहार्य है, बल्कि स्केलेबल भी है ।

अंतर्निहित प्लेटफॉर्म: GR00T, Cosmos, Newton, cuMotion, और Jetson

ये आठ पत्र कई क्रॉस-कटिंग NVIDIA प्लेटफार्मों पर टिके हैं जो सिमुलेशन को एक व्यावहारिक, एंड-टू-एंड विकास वातावरण में बदल देते हैं:

• NVIDIA Isaac GR00T: सामान्य-उद्देश्यीय रोबोट फाउंडेशन मॉडल के लिए एक शोध पहल और विकास मंच, जिसमें ह्यूमनॉइड तर्क और नियंत्रण के लिए ओपन मॉडल (GR00T N सीरीज़), Omniverse और Cosmos पर निर्मित सिमुलेशन फ्रेमवर्क, और Jetson AGX Thor एज कंप्यूटर शामिल हैं ।
• NVIDIA Cosmos वर्ल्ड मॉडल: बड़े पैमाने पर कस्टम वर्ल्ड मॉडल बनाने के लिए अत्याधुनिक जनरेटिव वर्ल्ड फाउंडेशन मॉडल का एक प्लेटफॉर्म, जो पूरी तरह से सिमुलेशन में सिंथेटिक डेटा जनरेशन और नीति मूल्यांकन का समर्थन करता है ।
• Newton 1.0 फिजिक्स इंजन: एक ओपन-सोर्स, GPU-त्वरित फिजिक्स इंजन जिसे Google DeepMind और Disney Research के साथ सह-विकसित किया गया है, जो अब अधिक सक्षम और अनुकूलनीय रोबोट बनाने में मदद के लिए NVIDIA Isaac Lab में उपलब्ध है ।
• NVIDIA cuMotion: एक CUDA-त्वरित लाइब्रेरी जो सर्वोत्तम समाधान वापस करने के लिए एक साथ कई ट्रैजेक्टरी ऑप्टिमाइज़ेशन चलाकर बड़े पैमाने पर रोबोट मोशन प्लानिंग समस्याओं को हल करती है ।
• NVIDIA Jetson एज AI प्लेटफॉर्म: रोबोटों पर पूरे रोबोट स्टैक को चलाने के लिए उपयोग किया जाने वाला हार्डवेयर प्लेटफॉर्म, जिसमें ScheduleStream का 3 गुना स्पीडअप डेमो शामिल है, जिसमें Jetson AGX Thor ऑनबोर्ड कंप्यूटर के रूप में कार्य करता है ।

साझेदार जो सिम-टू-रियल दक्षता को काम में ला रहे हैं

टोयोटा रिसर्च इंस्टीट्यूट ने वास्तविक दुनिया के डेटा की जरूरतों को कम किया

टोयोटा रिसर्च इंस्टीट्यूट (TRI) ने डायनेमिक व्यू सिंथेसिस और रोबोट टेलीऑपरेशन के लिए NVIDIA Cosmos वर्ल्ड फाउंडेशन मॉडल को अनुकूलित किया, जिससे विज़न-आधारित मैनिपुलेशन नीतियों को प्रशिक्षित करने के लिए आवश्यक वास्तविक दुनिया के डेटा की मात्रा कम हो गई ।

Mimic Robotics: 10 गुना बेहतर सैंपल एफिशिएंसी

Mimic Robotics ने NVIDIA के प्लेटफार्मों का उपयोग करके एक वीडियो-एक्शन मॉडल विकसित किया जो वास्तविक दुनिया के मैनिपुलेशन कार्यों पर 10 गुना बेहतर सैंपल एफिशिएंसी और 2 गुना तेज़ कन्वर्जेंस प्राप्त करता है, जिससे आवश्यक महंगे वास्तविक दुनिया के प्रदर्शनों की संख्या में नाटकीय रूप से कटौती होती है ।

डूसन रोबोटिक्स ने संदर्भ-जागरूक पैलेटाइज़िंग को जोड़ा

डूसन NVIDIA Cosmos Reason का उपयोग करता है ताकि पैलेटाइज़िंग रोबोट बॉक्स की सामग्री का विश्लेषण कर सकें, क्षति का पता लगा सकें, और वजन और नाजुकता के आधार पर हैंडलिंग को समायोजित कर सकें—बिना किसी विस्तृत वास्तविक दुनिया के प्रशिक्षण डेटा के संदर्भ-जागरूक निर्णय लेने में सक्षम बनाता है ।

बड़ी तस्वीर: स्क्रिप्टेड डेमो से सन्निहित स्वायत्तता तक

NVIDIA ने काम के इस समूह को रोबोटिक्स उद्योग में एक मूलभूत बदलाव के हिस्से के रूप में प्रस्तुत किया:

"रोबोटिक्स एक नए चरण में प्रवेश कर रहा है: नियंत्रित डेमो और स्क्रिप्टेड ऑटोमेशन से हटकर वास्तविक दुनिया में सामान्यीकृत, विश्वसनीय सन्निहित स्वायत्तता की ओर बढ़ रहा है" ।

सिम-टू-रियल ट्रांसफर अब सिर्फ एक अकादमिक जिज्ञासा नहीं है। ICRA के आठ पत्र इसे पूरे स्टैक से निपटते हुए दिखाते हैं: समानांतर मल्टी-आर्म समन्वय, क्रॉस-एम्बॉडीमेंट पॉलिसी सामान्यीकरण, अव्यवस्था में नई-वस्तु ग्रैस्पिंग, जीरो-शॉट डिफॉर्मेबल मैनिपुलेशन, सटीक अनुक्रमिक असेंबली, और विज़न-लैंग्वेज-एक्शन मॉडल जो चलने से पहले तर्क करते हैं । स्पष्ट संदेश: वास्तविक दुनिया के मानव प्रदर्शनों की विशाल मात्रा पर निर्भरता के बजाय, सिमुलेशन-आधारित प्रशिक्षण—उन रोबोटों के लिए स्केलेबल मार्ग है जो असंरचित, गतिशील वातावरण में मजबूती से काम करते हैं।