Vsim称其仿真器几分钟训练出机器人技能

在英国剑桥的初创公司Vsim，一台名为Freddo的机器人走过办公室，识别出工作人员递来的塑料瓶并将其抓住。公司称，这些技能的训练和上传只用了几分钟，而同类系统可能需要数天。

方法是虚拟仿真：同一任务在计算机中重复数百万次，找到最优解（称为策略，policy）后再上传到硬件。这是机器人训练的常见做法，Nvidia的Isaac Sim也采用同样思路，Vsim两位创始人Michelle Lu和Kier Storey都参与过它的早期版本。

为GPU重写的算法

两人于2022年创立Vsim，自建训练环境与工具。Storey表示，多数机器人仿真所用算法可追溯到上世纪七八十年代，并不适配图形处理器（GPU）。由于完全从零开始，他们得以针对这些芯片做优化。Lu说，18个月后他们做出了功能完整、性能极高的仿真器。

软件足够轻量，可以直接跑在Freddo自带的硬件上，机器人在移动中就能运行数万次仿真。Storey解释，系统能对约1秒后的未来、20000种可能的事件组合做出预判。Lu指出，人、动物甚至其他机器人都可能带来机器人无法控制的突发变化，必须快速调整策略，确保动作安全并完成任务。

规模差距与现实局限

Vsim有10名工程师。Nvidia不造机器人，但拥有数百名工程师的机器人软件部门，并推出名为Cosmos的世界模型，让机器人理解真实世界的物理规律以及环境随移动发生的变化。Nvidia机器人产品总监Spencer Huang表示，抓起一个瓶子并不算难，难的是长周期任务，比如拿起瓶子、把它装满、再倒出来。今年该公司开始用人工智能智能体（Agent）搭建虚拟环境，并验证训练结果是否可用。他说，此前扫描和搭建虚拟世界大量依赖人工，现在等于多了一支庞大的劳动力。

剑桥大学计算机科学与技术系副教授Rika Antonova使用由Google DeepMind持有的开源系统MuJoCo。她认为Vsim的高速仿真思路有前景：仿真足够快时，机器人思考调整动作的几秒内可以模拟上亿样本，几乎实时改变动作。但她也指出，仿真环境仍是现实的粗略近似，高度可变形物体和切割等场景很难建模。Vsim计划让第二台机器人Nacho加入开发，以验证软件能否在不同机器上运行。

详情见 BBC News 报道。