新的Isaac模拟引擎创造了良好的逼真环境，并简化了合成数据生成和领域随机化，以建立地面真实数据集，训练机器人在从物流、仓库到未来工厂的应用。
Omniverse是NVIDIA模拟器的底层基础，包括Isaac平台——现在包含了几个新特性。使用NVIDIA Isaac Sim公开测试版探索机器人模拟能力的下一个级别，现在可用。
ISAAC SIM在NVIDIA Omniverse平台上构建为机器人仿真应用和合成数据生成工具。它允许机器人通过提供与令人信服的环境的逼真互动的逼真模拟来培训和测试其机器人，这些机器人可以扩展可以扩展超出现实世界中可能的覆盖率的覆盖范围。
此版本的ISAAC SIM也会增加了改进的多摄像机支持和传感器功能，以及PTC OnShape CAD进口商，使其更容易带入3D资产。这些新功能将扩大可以在各个方面成功建模和部署的机器人和环境的广度：从物理机器人的设计和开发，然后培训机器人，以在模拟机器人的“数字双胞胎”中部署并在准确和黑色的虚拟环境中进行测试。
关键新功能摘要：
-Multi-Camera支持
具有合成数据的食用摄像头
-ROS2支持
-ptc onshape进口商
- 改进的传感器支持
超声波传感器
力传感器
自定义激光雷达模式
-downloadable从nvidia omniverse发射器
ISAAC SIM可以实现更多的机器人仿真
开发人员早就看到了拥有一个强大的模拟环境来测试和训练机器人的好处。但模拟器往往存在缺陷，限制了它们的采用。Isaac Sim用下面描述的优点解决了这些缺点。
现实模拟
为了提供逼真的机器人模拟，Isaac Sim利用了Omniverse平台的强大技术，包括使用PhysX 5的高级gpu支持的物理模拟，实时射线和路径跟踪的照片真实感，以及基于物理渲染的材料定义语言(MDL)支持。
模块化，宽度的应用
ISAAC SIM被构建，以满足许多最常见的机器人用例，包括操纵，自主导航和培训数据的合成数据生成。其模块化设计允许用户轻松自定义和扩展工具集以适应许多应用程序和环境。
无缝连接和互操作性
与nvidiaOmniverse,ISAAC SIM从Omniverse Nucleus和Omniverse连接器中获益，可以在通用场景描述（USD）中进行协作建筑，共享和导入环境和机器人模型。通过ISAAC SDK和ROS / ROS2接口，齐全的Python脚本，用于导入机器人和环境模型的插件，轻松将机器人的大脑连接到虚拟世界。
艾萨克·西姆的合成数据生成引导机器学习
合成数据生成是一种重要的工具，越来越多地用于训练当今机器人的感知模型。获取真实的、正确标记的数据是一项耗时且代价高昂的工作。但就机器人而言，在现实世界中收集一些所需的训练数据可能太困难或太危险。对于那些必须在人类近距离操作的机器人来说尤其如此。
Isaac Sim内置了对各种传感器类型的支持，这对训练感知模型很重要。这些传感器包括RGB、深度、包围盒和分割。
在开放测试版中，我们有能力以基蒂格式输出合成数据。然后，该数据可以直接使用NVIDIA传输学习工具包，以提高使用特定于用的数据的模型性能。
域随机化
域随机化改变定义模拟场景的参数，如场景中的照明、颜色和材质纹理。领域随机化的主要目标之一是通过在模拟中将神经网络暴露于各种各样的领域参数中来增强机器学习(ML)模型的训练。这将帮助模型在遇到真实世界场景时很好地概括。实际上，这种技术帮助模型了解应该忽略什么。
Isaac Sim支持许多不同属性的随机化，这有助于定义给定场景。通过这些功能，ML工程师可以确保合成数据集包含足够的多样性，以驱动健壮的模型性能。
nvidia.艾萨克Sim
了下:3D CAD世界
