諾基亞與上汽通用基於NVIDIA Isaac GR00T Blueprint，成功構建了高保真智能體仿真訓練平台，突破了工業場景資料採集成本高、仿真難等技術瓶頸。
工業級具身智能的核心挑戰在於高品質訓練資料的稀缺性。在真實的汽車製造等複雜工業環境中，實體生產線的調試和訓練成本極高——一次失誤可能導致整條產線停擺，損失巨大。傳統依賴純真機資料的採集方式不僅成本高昂，還難以覆蓋產線上可能出現的各種偏差情況，如零部件位置偏移、光照條件變化、設備偶發故障等不確定性因素。諾基亞打造的AI資料飛輪通過閉環迭代機制，實現真機資料與仿真資料的深度融合。這一飛輪以「資料採集—處理—訓練—反饋—迭代」為閉環路徑：一方面對接真實機器人採集的碎片化非結構化資料，經預處理後轉化為標準化訓練樣本；另一方面聯動Isaac Sim仿真環境，借助高精度物理引擎與資料增強流水線，批量合成可覆蓋海量工業場景的仿真資料。虛實融合的訓練模式顯著降低了對純真機資料的依賴，形成了「資料規模擴大—模型性能提升—反饋精度優化—資料品質迭代」的正向循環。實踐資料顯示，該模式使智能體訓練速度提升逾10倍，生產效率預計增長30%至50%。
專案採用「仿真—真機」雙訓練策略，通過Isaac Sim高精度物理引擎1:1還原工業場景，實現虛實雙向賦能。在「真機實踐」階段，智能體深入工業現場，採集包含各類現實不確定因素的真實場景資料，為模型建立現實基準。「仿真推演」階段則依託Isaac Sim的高精度物理引擎，基於真實資料精確還原工業場景，生成海量可控的仿真資料，支援智能體在虛擬環境中開展大規模預訓練，快速建立基礎任務執行能力。以汽車玻璃底漆塗覆工序為例——該工序涉及揮發性化學物質排放，對作業環境及操作人員健康存在潛在危害——通過虛實融合的聯合訓練，智能體的任務成功率由60%提升至85%，特定流程的風險作業時間預計縮減30%。模型部署至真實工業現場驗證後，形成「虛擬訓練築基、現實資料調優」的持續迭代閉環，泛化能力得到系統性增強。
在運行架構方面，專案採用NVIDIA DGX Spark邊緣計算與諾基亞無線組網技術，實現資料不出廠、計算在本地的安全可控部署。這一架構的合理性在於，工業現場產生的傳感器資料、視覺資訊、操作記錄等涉及核心生產工藝，若全部上傳至雲端處理，既面臨網路延遲不可控的風險，也存在資料安全的隱患。通過將算力下沈至工廠邊緣節點，同時利用諾基亞的無線組網技術保障連接的低延遲與高可靠，智能體可以在毫秒級響應時間內完成推理與決策，使得依賴實時閉環節的精密操作成為可能。這一架構不僅降低了生產中斷的風險，也為大規模工業智能體的部署提供了可復用的基礎設施模板。
憑借這一整合前沿技術與自研能力的生成式智能體仿真訓練平台，該方案榮獲MWC25「創新移動服務與應用獎」以及世界互聯網大會「領先科技獎」等多項權威認可。這些獎項的獲得不僅驗證了技術路線的先進性與可落地性，也標誌著物理AI在工業製造領域正從概念驗證邁向規模化應用的新階段。
WeChat
Profile