📢 转载信息
原文链接：https://www.qbitai.com/2025/10/342649.html
原文作者：时令
黄仁勋大家自然不陌生，但您是否见过他女儿深入探讨具身智能的场景呢？
近日，英伟达Omniverse与物理AI高级总监Madison Huang（黄敏珊）首次公开亮相访谈节目，与光轮智能CEO谢晨、光轮智能增长负责人穆斯塔法共同参与，就“如何有效缩小机器人在虚拟世界与现实世界之间的差距”展开了富有洞见的讨论。
光轮智能是一家专注于仿真合成数据技术的公司，其核心目标是助力AI更好地理解和融入物理世界，目前主要聚焦于具身智能和自动驾驶两大前沿领域。
在长达一个半小时的访谈中，三位专家达成了一系列重要共识：
- 合成数据是攻克机器人领域数据瓶颈的决定性因素。
- 光轮智能的SimReady资产（仿真就绪资产）不仅需要视觉上的精确，更关键的是物理属性的准确性。
- 英伟达与光轮智能正携手开发Isaac Lab Arena——这是一个为下一代基准测试、评估、数据收集和大规模强化学习量身打造的开源框架与平台。
仿真与合成数据：机器人迈向现实的关键路径
访谈伊始，主持人（Omniverse社区经理Edmar Mendizabal）即提出了一个引人好奇的问题：英伟达与光轮智能的合作缘何开启？
Madison回应道，英伟达内部的许多前沿项目都高度依赖光轮智能的支持，例如Gear Lab正在构建通用智能体模型，西雅图机器人实验室也正在进行大量涉及精确接触操作和装配的任务。
与研究语言模型的研究人员可以利用整个互联网数据不同，机器人领域的数据获取极其困难，通常需要耗费大量人力进行采集，这也催生了大量数据采集工厂的出现。
面对数据的稀缺，英伟达坚信仿真技术是核心解决方案，急需建立合成数据工厂，并希望合作伙伴能认同OpenUSD的愿景，将其作为构建仿真就绪资产（SimReady Assets）的通用基础。
光轮智能于2023年成立，正是为了利用合成数据和仿真技术突破机器人的数据瓶颈。最初，鉴于机器人领域尚处于早期阶段，他们首先解决了自动驾驶的合成数据问题，随后合作迅速扩展到英伟达的各个部门。值得一提的是，谢晨此前正是英伟达自动驾驶仿真负责人，实现了“回归”合作。
Sim2Real的挑战：物理精确性是核心难点
当被问及机器人从虚拟到现实（Sim2Real）迁移当前面临的主要问题时，谢晨指出：
自动驾驶的Sim2Real相对容易，因为它主要依赖视觉感知。而机器人领域则完全不同，它涉及复杂的物理接触，关键在于操作能力（manipulation）。同时，它还要求灵巧手和触觉传感器的协同工作，这使得问题复杂度倍增。
核心难点在于物理准确性。他以冰箱为例，精确模拟拉开门时磁吸密封条产生的阻力，以及拉抽屉时多重摩擦的体感，这些物理特性都需要在仿真中高度还原。
谢晨提出了“数字金字塔”的概念，他认为，要实现具身智能的真正部署，所需数据量将远超大型语言模型，形成巨大的数据壁垒，且现实世界数据无法独自解决这一难题。在自动驾驶中，道路上的车辆资源丰富，但在工厂、家庭等环境中，机器人实例则非常有限。
因此，他断言：合成数据将是解决具身智能数据瓶颈的最重要、最主要的来源。
光轮智能通过收集大量物理设备数据并将其导入仿真环境，并设计了对比真实世界与仿真中力的匹配机制，以确保数据质量。除了数据，效率也至关重要。谢晨强调，大规模强化学习需要不同类型的仿真在计算上极其高效。他们采用简单高效的碰撞检测方法（如基本几何体和凸包），在保证足够准确性的同时，最大化节省计算资源。
此外，电缆仿真也极具挑战性，因为它兼具柔性体和某些情况下的刚体特性。为使机器人能学习如何操作电缆，光轮智能与Newton及英伟达合作，研发了专用的求解器和仿真就绪资产。
人之所以区别于动物，在于会使用工具。因此，教会机器人正确使用工具完成特定任务变得日益关键。例如，让机器人在仿真中精确“切割黄瓜”，不仅是为了数据采集，更是为了支持高效的强化学习训练。
最后，谢晨透露，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。双方共同构建的Isaac Lab Arena框架平台，已在CoRL大会上由英伟达正式发布，该平台致力于下一代基准测试、评估数据收集和大规模强化学习。
揭秘黄仁勋的两位“AI继承者”
访谈结束后，我们不妨关注一下极少在公众面前露面的黄仁勋的两个子女。
女儿 Madison Huang (黄敏珊)
Madison Huang，中文名黄敏珊，现年34岁。她于2020年加入英伟达，最初在Omniverse部门担任市场营销实习生，四个月后转为活动营销经理，并在此部门持续发展。
Madison在英伟达晋升迅速，曾担任产品营销经理、高级产品营销经理等职，并于今年3月晋升为高级总监。
令人意外的是，Madison的职业起点竟然是烹饪。她于2012年在美国烹饪学院获得烹饪艺术工商管理学士学位，随后在蓝带厨艺学院学习甜点制作和葡萄酒，并在纽约和旧金山担任过厨师。2015年，她转向奢侈品行业，在LVMH担任市场营销与开发经理，期间她还曾在伦敦政治经济学院进修了数据科学短期课程。
2019年，Madison与哥哥Spencer一同参加了麻省理工学院（MIT）的短期AI高管课程。2021年，她在成为英伟达正式员工后，取得了伦敦商学院的MBA学位。
儿子 Spencer Huang (黄胜斌)
与妹妹一样“承袭父业”的，是Madison的哥哥Spencer Huang，中文名黄胜斌，今年35岁。他在英伟达的职位是机器人产品线经理，负责开发机器人AI模型和仿真软件。
Spencer于2022年加入英伟达，最初担任Isaac Sim Cloud团队的产品经理。他与妹妹一样曾参加MIT的AI高管课程，并额外学习了人机交互相关课程。随后，他在哈佛商学院进行了短期学习，并于2022年在纽约大学获得了MBA学位。
Spencer早年的职业经历更具传奇色彩——他曾是一名成功的酒吧主理人。2012年，Spencer以国际市场和文化研究双专业从芝加哥哥伦比亚学院本科毕业。毕业后，他根据父亲的建议学习了一年中文，正是在此期间，他创立了鸡尾酒酒吧R&D Cocktail Lab，并经营了八年。该酒吧曾屡获国际大奖，并入选亚洲50佳酒吧，但目前已显示永久停业。
看来，黄家二代正逐步将重心转向人工智能和机器人等核心技术领域。
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