开普勒采用 NVIDIA 物理 AI 全栈平台，将 NVIDIA 在仿真、机器人基础模型和世界模型方面的技术，与开普勒工业机器人硬件平台、真实工业数据和具身智能模型研发能力相结合，推动物理 AI 从模型训练进一步走向真实工业环境中的验证、迭代与产业化应用。
借助 NVIDIA Isaac Lab 构建机器人本体、执行器及工业任务高保真仿真环境，开展强化学习、运动策略和 Sim2Real 训练，降低了真机试错成本，加速策略与参数迭代。
采用 NVIDIA Isaac GR00T 面向工业操作任务开展具身模型训练，将视觉、语言、机器人状态与动作连接，推动了机器人从运动能力向任务理解与复杂操作演进。
借助 NVIDIA Cosmos 面向工业场景开展世界模型相关训练、场景扩展和数据生成，扩大了训练数据分布，并支撑真实数据与合成数据协同迭代。
依托 NVIDIA Omniverse 构建工业数字孪生与机器人任务仿真环境，将真实工业现场转化为可训练、可验证的数字空间。
借助 NVIDIA Jetson Thor 构建面向机器人端侧的物理 AI 计算与模型部署，支撑机器人端侧感知、推理与控制计算。
采用 NVIDIA GPU 训练平台支撑强化学习、具身模型、世界模型和长程任务模型训练，构建了统一的机器人 AI 训练基础设施。
开普勒具身智能高级工程师陈宇涛表示：“物理 AI 真正创造工业价值，关键是让模型进入真实机器人和真实生产环境，在持续的物理交互中学习和进化。开普勒希望发挥在行星滚柱丝杠、关节执行器、工业人形机器人本体以及真实工业场景方面的优势，借助 NVIDIA Isaac、GR00T 与 Cosmos 等物理 AI 平台，开普勒打通了从仿真训练、模型学习到真机验证和数据回流的完整闭环，并结合具身智能基座大模型研发，让机器人从‘会运动、会操作’进一步走向‘能够稳定完成复杂工业任务’。”
以上为摘要内容，点击“阅读原文”或扫描下方二维码阅读完整内容：
扫描下方海报二维码，观看 NVIDIA CEO 黄仁勋在 GTC 柏林主题演讲，一同见证 AI 的未来走向。
