NVIDIA 的 Isaac Lab 框架可实现超过 135,000 FPS 的人形训练，吸引了 Agility Robotics 和 Skild AI 等主要企业采用者，因为它重新定义了机器人开发的步伐。
加利福尼亚州圣克拉拉 — NVIDIA 的 Isaac Lab 模拟框架现在可为机器人操作训练提供每秒超过 150,000 帧 (FPS) 的速度，这一突破性的速度足以将几天的政策制定时间压缩为几分钟。该 GPU 原生平台在该公司 2026 年 2 月 10 日发布的最新 R²D² 研究文摘中详细介绍，对于竞相构建可行的通用机器人的公司来说，它代表着一项关键的基础设施升级。
性能指标突显了巨大的飞跃。 Unitree H1 机器人的人形运动训练达到 135,000 FPS，而 Franka Cabinet 操作任务的基准在 4,096 个并行环境中超过 150,000 FPS。这些速度是传统 CPU 限制的模拟器无法达到的，对于依赖大规模虚拟训练的行业来说，这标志着一个分水岭。
为什么模拟速度会改变游戏规则
训练强大、适应性强的机器人需要接触数百万种场景，包括碰撞、硬件故障以及太危险或不切实际而无法物理复制的边缘情况。众所周知，现实世界的数据收集速度缓慢、成本高昂，并且偏向正常操作。 Isaac Lab 的 GPU 加速架构直接针对历史上限制此进程的 CPU 瓶颈。
该框架独特地将物理模拟、渲染、传感器数据生成和机器学习整合到单个 GPU 原生堆栈中。这种集成对于依赖多模式学习、融合视觉、触觉和本体感觉的输入来导航非结构化环境的现代机器人至关重要。 Isaac Lab 大规模同步这些大容量数据流，同时保持现实的多频率控制环路。
企业采用信号市场验证
该技术正在行业内迅速获得关注。 Agility Robotics 采用该框架来训练其通用类人机器人 Digit 的全身控制，该机器人部署在制造和物流领域。 Skild AI 将其与 NVIDIA 的 Cosmos 世界模型结合起来，为腿式、轮式和人形机器人构建广泛的基础模型。
采用范围遍及整个行业：机器人和人工智能研究所使用 Isaac Lab 来培训波士顿动力公司 Spot 和 Atlas 平台的控制器； UCR 将其应用于针对建筑工地的 Moby 人形机器人； FieldAI 在苛刻的石油和天然气环境中部署了跨实体检查机器人框架。
专为灵活性而设计的技术架构
Isaac Lab 采用模块化设计，将观察、行动、奖励和事件分离到不同的管理器中，允许开发人员在不改变传感器配置的情况下交换奖励功能。它的程序场景生成通过直接在 GPU 上生成数千种环境变化来对抗过度拟合。该框架支持 URDF、MJCF 和 USD 等标准资产格式，与 RSL-RL 和 SKRL 等领先的强化学习库集成，并连接到 NVIDIA Cosmos 进行增强模仿学习。
最新版本 2.3.2 于 2026 年 1 月 30 日发布，引入了全身控制的增强功能，添加了 Meta Quest VR 远程操作支持，并扩展了无人机的功能。经过训练的策略可以导出到 ONNX 或 TorchScript，以便直接部署到物理硬件上。
NVIDIA 计划在圣何塞举行的 GTC 2026（3 月 16 日至 19 日）上展示最先进的 Isaac Lab 应用程序，并举办有关机器人实时 AI 决策的专门会议。对于设计下一代物理人工智能系统的团队来说，该框架现在为高保真、大规模模拟到现实的迁移设定了基准。