直接“騙”過AI和機器狗？！物理AI+數字孿生，在虛擬中“偽造”現實空間

放眼近年來，“數字孿生（Digital Twin）”已成為產業界備受關注的關鍵詞之一。

隨著GPU算力飆升，CG早不只被用來拍電影、做游戲了，不知不覺間它已經進化成了能模擬真實物理法則的“超級計算基礎設施”。

今天小編就帶大家扒個前沿大佬的新技術，利用“物理AI”+“數字孿生”技術，讓虛擬世界從“看起來逼真”直接進化成“物理規律逼真”。

成立于2017年的Space Data，以“宇宙開發”和“構建地球上數字孿生”為主營業務；簡單來說，就是把衛星數據、AI和3D電腦圖形技術結合，打造自己的技術平臺。

公司主營業務分為“地球業務”和“宇宙業務”兩大板塊。為了讓兩大板塊項目順暢運行，Space Data便開發了無縫連接現實空間與虛擬世界的集成技術平臺-PROVIDENCE。

追求“物理真實”而非“看著像真的”

不同于坊間許多做數字模擬和3D城市模型的公司，Space Data的強項在于，他們不止做看著漂亮的CG畫面，而是追求能“騙”過AI和機器人級別的物理真實性。

從前大部分數字模擬，目標都是“照片級真實”。但如果要訓練和驗證搭載在機器人、自動駕駛和無人機上的“物理AI”，光是表面紋理好看遠遠不夠，還要做到下面這幾點對物理環境的精準還原：

01

傳感器模擬準確

機器人搭載的攝像頭、LiDAR（紅外傳感器）、超聲波傳感器，在虛擬空間中對物體的反射和噪聲反饋，必須與現實完全一致。

02

物理法則嚴密

重力、摩擦系數、空氣阻力，以及物體的質量和硬度是否被精確計算。

03

動態的環境變化

并非靜止的城市，而是時間、天氣、風力以及擁擠的“人流”實時變化，并成為干擾機器人行動的噪聲環境。

Space Data以NVIDIA Omniverse為核心，通過基于OpenUSD的流水線，在一個計算平臺上，實現了超高精度城市空間內的時間與天氣變化、數萬人規模的動態人流仿真，甚至包括建筑的瞬間替換以及隨之而來的日照和景觀變化。

4,096并行，5億步訓練機器狗

全球都在推進研發能在工廠、建筑工地，以及災區等崎嶇地形中行走的機器人。但如果直接用實體機器人去進行“行走訓練”，不僅有高昂硬件損壞的風險，還只能在一倍速的現實時間下進行學習，效率極低。

Space Data依托NVIDIA Omniverse和NVIDIA Isaac Sim的物理仿真環境以及NVIDIA Isaac Lab，在數字模擬空間內展開了深度的強化學習訓練，賦予機器人底層的穩健步態策略，讓其能夠在臺階、瓦礫等地形中保持平衡，甚至在意外絆倒時能夠自主恢復姿態。

團隊充分發揮GPU的超并行計算優勢，同時構建了4,096個并行的虛擬環境，在其中進行了約5億步的試錯訓練。依靠這種在現實世界中無法實現的龐大計算量，極大加速了AI的學習進程。

團隊選擇采用極具針對性的策略，在步態策略的學習過程中，摒棄了對攝像頭或LiDAR等外界視覺傳感器的依賴，轉而以電機反饋的關節角度、速度等“本體感覺（Proprioception）”數據作為核心觀測源。

這種訓練方式讓機器人能夠像野生動物一樣，不被外界表象所迷惑，僅憑自身足部承受的負荷與角度來維持平衡，從而在虛擬空間中練就了強健的“下盤”功夫。

團隊發布了直觀的視頻資料，通過展示訓練前后機器狗的行為變化，清晰證實了這種基于本體感覺的強化學習，在提升機器人步態穩定性方面的顯著成效。

無人機飛行：在物理逼真與計算成本之間找到平衡

在無人機飛行模擬環境的構建方面，Space Data采取了與常規認知不同的務實策略。

團隊現階段的無人機仿真并未急于引入AI學習，而是將核心精力集中在NVIDIA Omniverse和Isaac Sim平臺上，徹底夯實“使飛行成立”的物理模型與控制基礎。通過嚴格遵循升力、反扭矩等核心飛行原理，團隊在仿真環境中進行了細致的開發，以確保無人機的姿態控制與移動能夠穩定、無差錯地運行。

為了有效平衡“仿真保真度”與“計算成本”，團隊設計了彈性的三級物理模型架構，來適配不同的應用場景：

高精度模型：精確到電機與螺旋槳級別，用于極限還原無人機的物理行為，適用于對單機動作進行極致精細驗證的場景。

中精度模型：將產生的力近似為“合力”進行計算，在保留一定物理細節的同時有效降低計算開銷。

低精度模型：通過直接賦予速度指令來驅動無人機運動，大幅節省算力，非常適合工廠或發電廠安保等需要同時放飛多架無人機進行運營驗證的場景。

關于仿真與AI學習的關系，當前的首要任務是構建一個嚴謹的驗證環境，使無人機能夠在其中不斷試錯，從而高速運轉“規劃-飛行-分析”的開發迭代循環。團隊認為，只有在建立起這樣堅實的物理基礎之后，未來的算法優化與AI學習方法才能真正發揮出其應有的價值。

高精度模擬背后：用粒子計算還原復雜物理現象

為了把更高階的物理現象融入到模擬空間中，Space Data公司還在挑戰與頂尖物理計算引擎的聯動。

團隊構建了一個環境，可以將Newton Physics的MPM求解器（Material Point Method：物質點法/粒子計算求解器）的計算結果，直接在Isaac Sim上顯示和確認，并據此進行評估。MPM能夠高精度計算復雜連續體物理行為，處理沙子、雪、流體以及被破壞的建筑物等傳統多邊形或簡單剛體計算難以表現的效果。將它與Isaac Sim的機器人環境融合時，就能驗證機器人走在泥濘中時腳部的下陷，或是無人機旋翼風卷起地面沙塵等極其細微且復雜的相互作用。

現階段從Newton到Isaac Sim的數據傳輸還只是“單向”的，只能把計算結果導進來查看，不能在兩者之間實時互動。但團隊表示，公司未來將繼續往通過更新實現雙向交互方向推進研發。Space Data的下一個目標，是將這個在高級虛擬訓練場中培育出的技術，大量推向現實世界。

從四足機器人在4096個虛擬環境中跌爬滾打，到無人機在虛實交錯的物理法則中尋找平衡，再到粒子級別的沙塵與泥濘被精確計算，對CG行業乃至更廣泛的科技產業而言，一場靜水流深的變革正在發生。

當虛擬空間不再只是用來“看”，而是可以用來“學”和“練”的時候，它就不再是現實的影子，而成了現實的加速器。讓虛擬世界變得更“真”，也不是為了逃離現實，而是為了更好地回到現實、改變現實。

-今日互動-

聽說長得好看的人都給我點贊贊了