制造机器的机器
来自 NVIDIA Developer · 期号 2026-10-08
摘要
NVIDIA 西雅图机器人实验室与 Isaac 工程团队用机器人组装 GB300 测试托盘，选了母线安装和多接头插接两个任务。 母线安装走的是经典模块化方案：FoundationPose 做感知、Lissajous 曲线做路径规划、高性能阻抗控制器做力控。成功率超过 95%，单次循环 160 秒，离工厂要求的 124 秒还差一截，瓶颈在 16 颗螺丝的逐颗拧紧。 多接头插接更棘手。抓线缆用 SAM3 分割就行，抓接头则需要新写的 DOPER 位姿估计框架——用合成数据加真实数据训练，专门对付反光、遮挡和线缆形变。 团队没有走端到端学习路线。每个子问题先试经典方案，不够用才上模仿学习、仿真 RL、真实世界 RL。结果是经典管线从头撑到尾，模块化结构反而让调试和分布式部署都更简单。 定制 3D 打印的夹爪靠机械约束让零件在接触时不会乱动，不用触觉传感器也能重复抓取。接头插接策略先在 Isaac Lab 里用 sim-to-real RL 预训练，再用 SPARR 方法在真实机器人上做残差策略微调，输入是力觉数据。 整条管线跑在 NVIDIA 的机器人服务框架和 TALOS 编排系统上，感知、规划、控制都打包成容器化服务，跨机器人平台复用。 原文是工程复盘，给出了每个子问题的方案选择理由和失败案例，不是论文式的 novelty 展示。