意法半導體 (STMicroelectronics)宣佈，將與NVIDIA 展開深度策略合作，全面把旗下先進的感測器、微控制器與馬達控制解決方案，整合至NVIDIA的機器人 開發生態系中。透過軟硬體的無縫接軌，雙方試圖大幅降低「Sim-to-Real」 (從模擬到現實)的落差，加速人形機器人、工業與服務型機器人的商業化進程。
首波成果亮相：Leopard Imaging深度相機與高擬真IMU模型
這場合作並非僅在紙上談兵，意法半導體表示目前已將其機器人相關的完整產品組合，逐步納入與NVIDIA Holoscan Sensor Bridge (HSB)相容的參考元件清單中。
首波釋出給開發者使用的具體成果包含：
• 硬體整合：由意法半導體技術支援的Leopard Imaging雙目深度相機，已經成功透過NVIDIA HSB完成底層整合。
• 虛擬建模：意法半導體將其慣性測量單元 (IMU)的「高擬真模型」 (High-fidelity model)，正式導入NVIDIA著名的機器人模擬平台 Isaac Sim 生態系中。
為何需要Holoscan Sensor Bridge？解決感測資料的「同步焦慮」
開發先進機器人 (尤其是需要精細動作的人形機器人)時，全身動輒數十個感測器 (如影像、飛時測距ToF、動作感測)與馬達必須在極短的時間內協同運作。
透過整合NVIDIA Holoscan Sensor Bridge，開發者現在可以將意法半導體眾多感測器與致動元件的資料擷取流程「標準化」。這不僅解決了複雜的多感測器「時間同步」難題，更簡化將這些周邊硬體連接至NVIDIA Jetson運算平台的繁瑣流程，讓工程師能將精力集中在AI演算法的優化上。
降低Sim-to-Real落差：用「真實硬體數據」餵養虛擬模型
這場合作最具突破性的進展，在於解決機器人開發中極度昂貴的「試錯成本」。
過去，開發者在虛擬環境 (如NVIDIA Isaac Sim)中訓練機器人時，若硬體模型的參數設定失真，機器人一旦搬到現實世界就會出現「水土不服」的詭異行為。
為此，意法半導體與NVIDIA聯手推動一項龐大工程：為意法半導體的完整產品組合提供經實體硬體校準的高精度虛擬模型。
繼首款IMU模型後，意法半導體正持續開發包含ToF感測器、致動元件等IC的虛擬模型。這些模型並非憑空想像，而是基於「實際意法半導體硬體運作時取得的基準數據」所打造，具備真實的物理行為特性。
意法半導體銷售與行銷執行副總裁Rino Peruzzi強調，這項合作將全面優化從AI演算法開發初期，到最終感測器與馬達整合的完整體驗。NVIDIA機器人與Edge AI副總裁Deepu Talla也呼應，高擬真的模擬與硬體整合，是縮短虛擬訓練與實際部署落差的唯一途徑。
《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》
討論區