Isaac Sim专为解决许多最常见的机器人用例而创建，包括操控、自主导航和用于训练数据的合成数据生成。其模块化设计能够让用户轻松自定义和扩展工具集，以适应多种应用和环境。

无缝连接和互操作性

借助NVIDIA Omniverse，Isaac Sim可以使用Omniverse Nucleus和Omniverse Connectors在通用场景描述（USD）中合作构建、分享、导入环境模型与机器人模型。通过ROS/ROS2接口或功能齐全的Python脚本，以及用于导入机器人模型和环境模型的插件，可以轻松地让机器人的大脑与虚拟世界相连。

Isaac Sim的合成数据生成助力实现机器学习

合成数据生成是一个重要的工具，它正在被越来越多地用于训练当今机器人的感知模型。获取真实世界的、正确标记的数据是一项耗时且成本高昂的工作。 但就机器人技术而言，在现实世界中收集某些所需的训练数据可能太困难或太危险。 对于必须靠近人类工作的机器人来说尤其如此。

Isaac Sim 内置了对训练感知模型很重要的各种传感器类型的支持。这些传感器包括 RGB、深度、边界框和分割。

玻璃物体的真值合成数据

在公测版中，我们能够输出KITTI格式的合成数据。这些数据可以直接用于NVIDIA迁移学习工具包，以使用特定用例数据提高模型性能。

域随机化

域随机化能够对定义模拟场景的参数进行更改，如场景中的照明、颜色和材质纹理等。域随机化的主要目标之一，便是通过将神经网络暴露在所模拟的各种域参数中，来加强机器学习（machine learning ，ML）模型的训练。这有助于模型在真实世界场景中实现有效的泛化。实际上，这项技术能够教会模型忽略不重要的内容。

工厂场景的域随机化

Isaac Sim能够对定义一个特定场景的多个不同属性进行随机化。借助这些功能，机器学习工程师可以确保合成数据集包含足够的多样性来驱动稳健的模型性能。

在Isaac Sim公测版中，我们通过允许用户定义随机化区域来增强域随机化功能。开发人员现在可以在场景中要随机化的区域周围绘制一个框，场景的其余部分将保持静态。

更多关于Isaac Sim的信息

观看2021年GTC大会上的最新Isaac Sim 分会：从模拟到现实。https://www.nvidia.com/en-us/on-demand/session/gtcspring21-s31824/

可通过以下教程进一步了解如何导入您自己的机器人。

https://www.youtube.com/watch?v=pxPFr58gHmQ