黄仁勋女儿直播亮相，聊了具身智能

superzhzh

时令 发自 凹非寺
量子位 | 公众号 QbitAI

黄仁勋大家都见得多了，但你见过他女儿讲具身智能吗？
这不，黄仁勋女儿Madison Huang首次公开亮相直播访谈节目，作为英伟达Omniverse与物理AI高级总监，与光轮智能CEO谢晨，以及光轮智能增长负责人穆斯塔法一起，对“如何缩小机器人在虚拟与现实之间的差距”展开深刻探讨。

光轮智能是一家专注于仿真合成数据技术的公司。和专注于大模型的企业不同，他们的核心目标是帮助AI更好地理解和进入物理世界。目前主要聚焦于具身智能和自动驾驶两大场景。
在一个半小时的访谈时间内，三人提出了一系列重要观点：

• 合成数据对于解决机器人数据困境至关重要 。
  
• 光轮智能的SimReady资产不仅要视觉准确，更重要的是物理准确。
  
• 英伟达和光轮智能正在共同开发Isaac Lab Arena——一个用于基准测试、评估、数据收集和大规模强化学习的下一代开源框架和平台。
  ……
  

下面具体来看。
利用合成数据和仿真来解决机器人数据障碍

访谈一正式开始，主持人Edmar Mendizabal（Omniverse社区经理）就开门见山抛出了一个许多人都很好奇的问题。

英伟达与光轮智能的合作关系是如何开始的？

Madison解答道，英伟达内部很多项目都依赖于光轮智能的支持。例如，Gear Lab正在构建通用智能体模型，西雅图机器人实验室正在开展大量涉及接触操作和精密装配的任务。
对语言模型的研究人员来说，他们可以利用整个互联网的数据去训练LLM。但对机器人领域来说，情况却完全不同，他们必须去手动采集数据，这也是为什么会有那么多数据采集工厂的出现。
在这种缺乏数据的情况下，英伟达认为，仿真就是解决方案，因此需要一个合成数据工厂，同时也希望合作伙伴认同OpenUSD的愿景，将其作为构建仿真就绪资产（SimReady Assets）的基础。
2023年，光轮智能成立了，目标就是利用合成数据和仿真来突破机器人数据瓶颈。

但那时机器人领域还处于非常早期的阶段，所以他们先从自动驾驶的合成数据问题入手，随后，合作几乎扩展到英伟达的各个团队。
有意思的是，谢晨以前就是英伟达自动驾驶仿真负责人，兜兜转转，现在又在为英伟达工作了。
接下来，主持人又问道：“那现在机器人从虚拟到现实（Sim2Real）还存在哪些问题。”
谢晨回答说：

对于自动驾驶来说，Sim2Real是最容易解决的，因为它主要依赖视觉感知。而对于机器人来说，一切都涉及物理接触，最重要的是操作能力（manipulation）。同时，它还需要灵巧手和触觉传感器配合使用，因此问题变得更加复杂。

核心问题就在于物理准确性。
以冰箱为例，当你拉开门时，会感觉到磁吸密封条产生的力的作用，还有拉抽屉时会感觉到多重摩擦，这些物理特性都非常精确。

而要实现这种物理准确性，数据非常重要，高质量的数据是进入机器人训练系统、生成正确算法的关键。
因此，谢晨还特别提到了数字金字塔的理念。
他认为，要让具身智能真正部署到现实世界需要消耗巨量的数据，实际上比大型语言模型所需的数据还要多。这就形成了一个巨大的数据障碍，而现实世界数据无法完全解决这个问题。

以自动驾驶为例，现实中有大量驾驶员和汽车在道路上运行，但在工厂、家庭等环境中，机器人数量却非常有限。
因此，合成数据将成为解决具身智能数据瓶颈的最重要、最主要的数据来源。
他们借助了大量物理设备来收集精确的数据，并将其实现到仿真环境中。同时，他们还设计了一些方式去对比真实世界中的力和仿真中的力，以确保二者匹配。
除了数据外，另一个令谢晨认为重要的点就是高效。
他提到，强化学习非常重要，但要运行大规模强化学习，就必须确保不同类型的仿真在计算上非常高效。
为了让大量仿真环境同时运行，他们用简单又高效的方法（如基本几何体和凸包）来检测碰撞，这样既能保持足够准确，又能节省大量计算资源。
之后，谢晨还讲到了电缆仿真。电缆既像柔性物体，但又在某些情况下又表现得像刚体，所以它的仿真其实非常困难。
为了让机器人学习如何操作电缆，光轮智能与Newton及英伟达合作，为电缆构建求解器，并研发仿真就绪资产来构建这种仿真。

众所周知，人与动物的区别是人会使用工具，所以如何教机器人正确利用工具完成特定操作变得越来越关键。
例如，让机器人在仿真中切割黄瓜是非常困难的，这不仅仅是为了数据采集，更重要的是要支持强化学习。

为此，光轮智能已与英伟达Isaac Sim实验室展开合作，共同致力于攻克仿真到现实的迁移挑战。
最后，谢晨提到，光轮智能还在与英伟达共同构建Isaac Lab Arena——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框架平台，该项目已在CoRL大会上由英伟达正式发布。
黄仁勋子女

访谈结束，咱们再来扒一扒很少露面的黄仁勋的两个子女。
首先是女儿Madison，中文名黄敏珊，现年34岁。
2020年加入英伟达最初担任市场营销实习生，实习四个月后成为了Omniverse部门的活动营销经理，之后一直在该部门任职。
Madison在英伟达一路担任了产品营销经理、高级产品营销经理等职务，直到今年3月成为高级总监。

令人惊讶的是，Madison最初干的竟然是烹饪。
2012年，她在美国烹饪学院取得了烹饪艺术工商管理学士学位，之后到蓝带厨艺学院学习制作甜点以及葡萄酒，并曾在纽约和旧金山担任厨师。
2015年，Madison重新回到巴黎，加入奢侈品行业，在LVMH公司担任市场营销与开发经理。在LV工作期间，Madison还学习了伦敦政治经济学院有关数据科学的短期课程。
在2019年，Madison和哥哥Spencer一起修读了MIT的短期AI高管课程。
之后，她于2021年取得了伦敦商学院的MBA学位，彼时她已经是英伟达的正式员工。
说完老黄的女儿，怎么能不接着提提他儿子呢？
同样“承袭父业”的，还有Madison的哥哥Spencer，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，负责开发用于机器人的AI模型与仿真软件。
Spencer在2022年加入英伟达，起初的职位是Isaac Sim Cloud团队产品经理。
前面介绍Madison时说过，兄妹二人曾一同参加MIT的短期AI高管课程，不过Spencer还额外多读了关于人机交互的课程。
之后，Spencer先是到哈佛商学院读了短期课程，之后也读了MBA，不过是在纽约大学，2022年取得学位。
有意思的是，更早之前，Spencer的身份是一名酒吧主理人。
2012年，Spencer在美国最大的私立艺术与媒体学院——芝加哥哥伦比亚学院本科毕业，主修国际市场和文化研究两个方向。
毕业后，老黄让他专门“回老家”学了一年中文，就是在这段时间，Spencer创立了他的鸡尾酒酒吧——R&D Cocktail Lab，而且一干就是八年。
据悉，这家酒吧屡获国际大奖，并曾入选亚洲50佳酒吧，不过目前谷歌地图显示该酒吧已经永久停业。

好好好，富二代要专心继承家业了是吧。
参考链接：https://www.youtube.com/watch?v=UgT-P6ynxLc

922b3eb6

@元宝 黄仁勋的女儿有可能接老黄的班吗？

神隐之左手

老黄家两个孩子，一个搞Omniverse，一个搞机器人，这要哪天联手做饭机，厨艺+AI融合，米其林都得害怕。

神隐之左手

这仿真要是真能做到冰箱门那种磁吸感，我第一个想让AI学的是，别再夹我手指😩痛出来的需求。

lovejuan0104

光轮智能那套SimReady资产我之前在Isaac Sim上试过，真不只是画面逼真，力反馈和碰撞检测都能微调到材料级，难怪英伟达这么依赖他们。

mulunbo

冷知识：光轮创始人谢晨以前就在英伟达，算是回炉再造的合作关系，这种双向熟人局才可能把技术磨得这么细，不然早吵起来了。

cjlcjl

这合作感觉就是要建一个具身智能版的大模型生态，用OpenUSD打底，再堆强化学习、仿真数据，最终AI能在虚拟世界里练出真实手艺。

superzhzh

最大难点在于物理精度。车靠摄像头理解世界，机器人得触觉和操作全感知，这差距太大了，Isaac Lab那种框架正好补这个坑。

神隐之左手

怎么一张老外脸，不随他爸爸吗

神隐之左手

比以前漂亮了