Wichtigste Erkenntnisse

• NVIDIA erweitert den Isaac Open-Source-Roboter-Stack um eine vollständige Humanoid-Referenzplattform, neue Datensätze und ein Laufzeit-Framework.
• Agile ONE SN kombiniert NVIDIA Isaac GR00T, Jetson Thor AI-Rechner und duale WUJI Hand 2 Manipulatoren zu einem einzigen Entwicklungskit.
• Die Plattform liefert 31 DoF, 1,4 m Höhe, 40 kg Masse und 2.070 FP4 TFLOPs Edge-Compute und richtet sich an Forschungslabore und Frühphasen-Produktteams.
• Neue Daten-Assets – SimReady Central Library (2.000+ Assets) und Human 1M (1 M synchronisierte menschliche Aktivitäts-Clips) – beschleunigen Simulations-zu-Real-Pipelines.
• Die Verfügbarkeit ist für Anfang 2027 geplant, frühe Anwender sind die Stanford University und die ETH Zürich.

NVIDIA erweitert Isaac für Humanoide Roboter

NVIDIA hat ein umfassendes Upgrade seiner Isaac Open-Source-Roboterplattform angekündigt, das ein Humanoid-Referenzsystem, erweiterte Datenbibliotheken und ein einheitliches Laufzeit-Framework für Robot-Learning hinzufügt. Der End-zu-End-Workflow umfasst jetzt Datengenerierung → hoch-fidelity Simulation → KI-Training → reale Bereitstellung und reduziert den Ingenieur-Aufwand, der traditionell die Humanoid-Entwicklung behindert.

Agile ONE SN: Eine schlüsselfertige Humanoid-Referenzplattform

Agile Robots stellte Agile ONE SN vor, einen vollständigen Humanoid, der auf dem NVIDIA Isaac GR00T Grundmodell basiert und vom Jetson Thor Edge-AI-Modul angetrieben wird. Das System bündelt Simulations-, Trainings- und Bereitstellungstools in einem einzigen Hardware-Paket, sodass Forschende sich auf die Entwicklung von Fähigkeiten statt auf Integration konzentrieren können.

Kernspezifikationen

Die Tabelle hebt Agile ONE SN’s höhere DOF, geringeres Gewicht und überlegene On-Board-Compute hervor und positioniert sie als forschungs-fokussierte Alternative zu größeren kommerziellen Humanoiden.

Schlüssel-Hardware-Elemente

• Agile ONE S Body – 1,4 m hoch, 40 kg, 31 DoF und 3 kg Nutzlast pro Arm, ermöglicht komplexe Manipulations- und Fortbewegungsaufgaben.
• Dual WUJI Hand 2 – Fünf-Finger-Hände mit 20 DoF, 1 kHz Kraftsteuerung und taktilem Feedback für geschicktes Greifen.
• Jetson Thor – Liefert 2.070 FP4 TFLOPs und 128 GB einheitlichen Speicher, unterstützt Echtzeit-Wahrnehmung, Planung und Ganzkörper-Steuerung.
• Multimodale Sensorik – Kombiniert am Kopf montierte RGB-Kameras, am Handgelenk montierte RGB-Kameras, Lidar und IMU für robuste Umgebungswahrnehmung.

Erweiterter Isaac-Toolset für Robot-Learning

NVIDIA stellte mehrere daten-zentrierte und Simulations-Assets vor, um Robot-Learning-Pipelines zu beschleunigen:

• SimReady Central Library – Über 2.000 simulations-bereite Assets (Roboter, Vorrichtungen, Fabrikausrüstung) optimiert für Isaac Lab und Omniverse.
• Human 1M Dataset – Eine kuratierte Sammlung von 1 Million menschlichen Aktivitäts-Clips, jeweils mit synchronisiertem Drei-Kamera-Video und 3-D-Hand-Tracking. Der Datensatz wird auf Hugging Face gehostet und ist vollständig für Mitglieder der Cosmos Coalition zugänglich.
• Isaac Lab 3.0 – Die neueste Open-Source-Version mit GPU-beschleunigter Physik, Reinforcement-Learning-Umgebungen und einer einheitlichen API für schnelles Prototyping.

Diese Ressourcen ermöglichen Entwicklern, realistische Trainingsdaten zu erzeugen, Lern-Workloads auf NVIDIA-GPUs zu skalieren und Policies mit minimaler Domänendiskrepanz von der Simulation zu physischen Robotern zu übertragen.

Zeitplan & Frühe Adoption

• Q1 2027 – Erste Lieferungen von Agile ONE SN an Forschungspartner.
• Pilot-Institutionen – Stanford University und ETH Zürich haben Memoranden unterzeichnet, um die Plattform für bipedale Fortbewegung und geschickte Manipulationsstudien zu evaluieren.

Fazit

NVIDIAs Ausbau des Isaac-Ökosystems, verankert durch die Agile ONE SN Humanoid-Referenzplattform, liefert einen kohärenten Hardware-Software-Stack, der die Einstiegshürde für Humanoid-Roboterforschung drastisch senkt. Mit branchenführender Compute-Leistung, hoch-DOF-Manipulatoren und einer umfangreichen Suite an Simulations- und Daten-Assets ist die Lösung bereit, zur bevorzugten Plattform für Universitäten und Frühphasen-Innovatoren zu werden, die reale Robot-Learning-Anwendungen anstreben. Der Start Anfang 2027 bietet der Forschungsgemeinschaft ein zeitnahes, zukunftssicheres Toolset, um den Übergang von Simulation zu sicheren, fähigen Humanoiden zu beschleunigen.