Chef Robotics 在 NVIDIA Isaac Stack 上构建食品操作机器人

Chef Robotics 宣布于2026年10月7日，正在其 NVIDIA 机器人开发堆栈上构建食品操作机器人系统，采用 NVIDIA Isaac Sim（基于 NVIDIA Omniverse 库）用于仿真和数字孪生工作，并使用 NVIDIA cuMotion进行 GPU 加速的运动规划。

该公司自称是首家商业化可扩展的实体 AI 食品机器人解决方案的企业，表示该堆栈旨在加速其机器人开发和部署，同时保持生产可靠性。Chef Robotics 还报告称，其系统的客户部署实现了高达 60% 的劳动生产率提升。

根据公告，食品是物理世界中最具挑战性的操作环境之一：原料可变形、潮湿且高度多样，生产线在寒冷、恶劣的条件下高速运行，且食品制造面临长期的劳动力短缺。该公司表示，设计能够在这些条件下可靠运行的机器人系统，并快速启动新部署，需要工业级的仿真和高性能的运动规划。

使用 Isaac Sim 进行仿真和数字孪生

Chef Robotics 使用开放的 Isaac Sim 框架构建其机器人工作单元和客户生产线的物理精确数字孪生。新配置在部署前于虚拟环境中进行设计、仿真和验证，使公司能够针对客户设施中各种原料、容器、用具和生产线布局对单元进行压力测试。该公司表示，此方法缩短了从设计到现场实际部署的周期。

NVIDIA 将 Isaac Sim 描述为一个基于 Omniverse 库的开源参考框架，用于机器人仿真、测试以及在基于物理的虚拟环境中生成合成数据。根据 NVIDIA 的开发者文档，该框架可导入计算机辅助设计文件、统一机器人描述格式（URDF）模型或真实世界捕获数据并将其转换为 USD，随后开发者通过分配材质、启用物理以及配置机器人和传感器模型来组装场景。该框架支持可控的合成数据生成，可结合 NVIDIA 的 Cosmos 世界基础模型，并允许在仿真中训练感知和移动堆栈，或通过软件在环或硬件在环测试进行评估。NVIDIA 表示，该框架具备完全的可扩展性，开发者可以构建基于 OpenUSD 的自定义模拟器，或将其功能集成到现有的测试与验证流水线中。根据 NVIDIA 的说法，Isaac Sim 可免费使用，遵循 Apache 2.0 开源许可证，并在 GitHub 上提供。

使用 cuMotion 进行运动规划

在运动规划方面，Chef Robotics 使用 cuMotion 为在杂乱且品类繁多的食品生产环境中工作的机器人生成快速、无碰撞的轨迹。该公司表示，这使其系统能够在生产中高效规划并适应机器人所处理的各种任务，从单件拣选和多点组装到协同的多机器人生产线。

NVIDIA 将 cuMotion 描述为面向机器人、主要聚焦于操作的高性能运动生成库，并在整个过程中采用 GPU 加速。其文档列出的功能包括运动学与逆运动学、具备碰撞感知的逆运动学、具备碰撞感知的基于图的路径规划、具备碰撞感知的轨迹优化与端到端运动生成、通过 RMPflow 数学框架实现的响应式控制、针对配置空间或任务空间路径的时间最优轨迹生成、将闭合网格近似为一组球体的碰撞球体生成，以及从深度图像流中剔除机器人手臂贡献的机器人分割。支持任意自由度的机器人，该库使用 C++ 实现，并提供完整的 Python 绑定。

根据项目的代码库，cuMotion 源自两个早期的 NVIDIA 库：Lula，该库多年来作为 Isaac Sim 的一部分发布，现已被完全整合；以及 cuRobo，这是 NVIDIA Research 开发的库，其用于碰撞感知逆运动学和轨迹优化的算法已在 cuMotion 中以优化且加固的实现方式出现。代码库还指出，cuMotion 将很快作为 Isaac ROS cuMotion 的运动生成后端以及 Isaac ROS 中的操作参考工作流。当前版本提供给运行 Turing 代或更高代 NVIDIA GPU 的基于 x86 的 Linux 与 Windows 计算机，以及 Jetson Orin、Jetson Thor 和 DGX Spark。

“食品是物理世界中最难的操作问题之一，解决它既需要世界级的 AI，也需要世界级的工程工具，”Chef Robotics 的创始人兼首席执行官 Rajat Bhageria 说。“基于 NVIDIA 的机器人堆栈让我们的团队能够更快地行动——在虚拟环境中进行系统的设计、仿真和验证，然后自信地将其部署到真实的生产设施中。”Bhageria 将该堆栈描述为公司在食品行业扩展实体 AI 的关键组成部分。