📢 转载信息
原文链接：https://www.qbitai.com/2025/10/342649.html
原文作者：时令
# 重磅！黄仁勋女儿首登台，深度解析具身智能的未来之路 英伟达（NVIDIA）的灵魂人物黄仁勋常在公众视野中出现，但你知道吗？他的女儿Madison Huang也开始在AI领域发声了！ 近日，英伟达Omniverse与物理AI高级总监Madison Huang首次公开亮相直播访谈节目。她与光轮智能（Pony.ai旗下子公司，专注于仿真合成数据技术）的CEO谢晨、增长负责人穆斯塔法共同探讨了一个核心议题：“如何缩小机器人在虚拟（Sim）与现实（Real）之间的巨大鸿沟”。 光轮智能的核心使命是帮助AI更好地理解和进入物理世界，尤其聚焦于具身智能和自动驾驶两大场景。在长达一个半小时的深度对话中，专家们提出了关键洞见： * **合成数据是解决机器人数据困境的唯一出路**。 * 光轮智能的SimReady资产（SimReady Assets）不仅追求视觉的逼真，更强调物理属性的准确性。 * 英伟达与光轮智能正在联手开发**Isaac Lab Arena**，这是一个面向下一代基准测试、评估、数据收集和大规模强化学习的全新开源框架。 下面，我们来详细解读这场关于具身智能未来的重磅对话。 ## 仿真：破解机器人数据采集的“阿喀琉斯之踵” 访谈伊始，主持人便提出了外界普遍关心的问题：英伟达与光轮智能的合作是如何建立的？ Madison Huang解释道，英伟达内部许多前沿项目，例如Gear Lab正在构建的通用智能体模型，以及西雅图机器人实验室进行的精密接触操作任务，都严重依赖光轮智能的支持。 与研究语言模型（LLM）的研究人员可以利用整个互联网数据进行训练不同，机器人领域的研究人员不得不投入大量人力物力进行**手动数据采集**，这催生了大量的“数据采集工厂”。 面对这种数据稀缺的窘境，英伟达坚信**仿真技术是最佳解决方案**。他们需要一个强大的合成数据工厂，并希望行业伙伴能共同拥抱OpenUSD标准，将其作为构建“仿真就绪资产”（SimReady Assets）的基础。 光轮智能成立于2023年，其目标正是利用合成数据和仿真技术来突破机器人领域的数据瓶颈。有趣的是，CEO谢晨此前曾是英伟达的自动驾驶仿真负责人，如今又以合作伙伴的身份回归，为英伟达生态赋能。 ### Sim2Real的终极挑战：物理接触的准确性 当被问及机器人从虚拟到现实迁移（Sim2Real）面临的主要问题时，谢晨给出了明确的答案： > “对于自动驾驶而言，Sim2Real相对容易，因为它主要依赖视觉感知。但机器人领域涉及一切物理接触，最核心的是**操作能力（Manipulation）**，并需要灵巧手和触觉传感器配合，复杂性呈指数级增长。” 他强调，**核心症结在于物理准确性**。 例如，拉开一个冰箱门时，你能清晰感知到磁吸密封条的阻力、抽屉拉动时的多重摩擦感。这些细微的物理特性必须在仿真中被精准复现，高质量的数据是训练出正确算法的前提。 谢晨提出了一个“数字金字塔”的概念，他认为具身智能真正部署到现实世界所需的数据量，可能比大型语言模型所需的数据还要庞大。现实世界的数据无法完全填补这一巨大的数据鸿沟，尤其是在工厂和家庭等特定环境中机器人数量极其有限。 > “**合成数据，将是解决具身智能数据瓶颈的最重要、最主要的数据来源**。” 光轮智能通过利用大量物理设备收集精确数据，并将其映射到仿真环境中，设计了对比真实世界与仿真中的力学反馈机制，确保两者高度匹配。 ### 提升仿真效率与工具操作 除了数据质量，**计算效率**是大规模强化学习的关键。谢晨指出，为了同时运行海量仿真环境，必须采用高效的方法来检测碰撞，例如使用基础几何体和凸包，既保证准确性，又大幅节省计算资源。 在复杂的任务中，如电缆操作，难度极大，因为电缆兼具柔性与类刚体特性。光轮智能正与Newton及英伟达合作，开发专用的求解器和仿真就绪资产，以实现电缆操作的仿真。 人类区别于动物的关键在于工具使用。因此，教会机器人正确使用工具变得至关重要，比如在仿真中精确地切割黄瓜，这不仅是为了数据采集，更是为了支持强化学习的训练。 最后，谢晨提到，光轮智能正与英伟达Isaac Sim实验室紧密合作，共同攻克Sim2Real的迁移难题，并已在CoRL大会上正式发布了双方合作的下一代框架平台——**Isaac Lab Arena**。 ## 揭秘“老黄”的两个子女：人才如何炼成？ 访谈结束后，让我们关注一下鲜少露面的黄仁勋家族的两位“继承人”。 ### 1. 女儿：Madison Huang（黄敏珊） Madison Huang，34岁，现任英伟达高级总监。 她于2020年加入英伟达，最初担任市场营销实习生，随后在Omniverse部门深耕，历经产品营销经理、高级产品营销经理等职，今年3月晋升为高级总监。 令人惊讶的是，Madison的职业起点与AI相去甚远。她于2012年获得美国烹饪学院的烹饪艺术学位，并在蓝带厨艺学院学习甜点制作，曾在纽约和旧金山担任厨师。随后，她转向奢侈品行业，在LVMH担任市场营销与开发经理，期间她也在LSE学习了数据科学的短期课程。 2019年，她与哥哥一同参加了MIT的短期AI高管课程。2021年，她在获得伦敦商学院MBA学位的同时，已是英伟达的正式员工。 ### 2. 儿子：Spencer Huang（黄胜斌） Madison的哥哥Spencer Huang，35岁，同样在英伟达“承袭父业”，担任机器人产品线经理，专注于机器人AI模型与仿真软件的开发。他于2022年加入英伟达，最初是Isaac Sim Cloud团队的产品经理。 兄妹二人曾共同参加MIT的AI高管课程，Spencer还额外修读了人机交互课程。他先后在哈佛商学院和纽约大学深造，并于2022年获得纽约大学MBA学位。 Spencer早期的经历也充满跨界色彩。他于2012年毕业于芝加哥哥伦比亚学院（主修国际市场和文化研究）。毕业后，他回国学习中文，并在此期间创立了屡获国际大奖的鸡尾酒酒吧R&D Cocktail Lab，经营了八年（目前已停业）。 看来，顶级科技家庭的“富二代”们，在继承家业之前，都经历了一番广阔的社会实践和跨学科学习，为进入高精尖的AI领域打下了坚实的基础。
参考链接：https://www.youtube.com/watch?v=UgT-P6ynxLc
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区