🎯 情报来源：The Robot Report
Agility Robotics近日发布技术博客，宣布为其人形机器人Digit开发了名为「运动皮层」的全身控制基础模型。该LSTM神经网络通过NVIDIA Isaac Sim物理模拟器训练，仅需3-4天模拟时间（相当于数十年现实时间），参数规模不足100万，却能实现模拟环境到真实世界的零样本迁移。在3月的NVIDIA GTC大会上，搭载该系统的Digit已能完成超市购物等复杂操作任务。
技术团队采用强化学习方法，通过随机采样工作空间内的位置和朝向生成训练轨迹，使机器人能精确控制末端执行器位姿。相比传统基于模型的控制方法，该系统显著降低了动态全身运动规划的实时计算复杂度，同时保持对重物抓取等操作的强鲁棒性。
💡 核心要点
- 4天模拟训练：在NVIDIA Isaac Sim中完成相当数十年的训练时长
- ＜100万参数：小型LSTM网络实现高精度运动控制
- 零样本迁移：模拟训练结果直接应用于真实机器人
- 20kg+负重：控制器可稳定抓取重型物体
- 多模态提示：支持LLM、物体检测器等多种任务触发方式
📌 情报分析
技术价值：极高
突破传统固定基座机器人控制范式，通过强化学习解决双足机器人混合动力学难题。模拟到现实的零样本迁移技术显著降低开发周期。
商业价值：高
2023年GTC展会演示证明其在物流场景的可行性。CTO将出席2025 RoboBusiness分享部署经验，显示商业化进程加速。
趋势预测：高
与Gemini等大模型结合的应用案例，表明人形机器人正进入「基础模型+垂直技能」的新发展阶段。Oregon State University等学术机构已开始专项研究。