ABB 机器人与英伟达（NVIDIA）联合发布了一份白皮书，重点阐述工业级物理 AI 对精密制造领域带来的变革性影响，并提出了一套快速部署方法，旨在推动机器人技术在速度和灵活性方面实现突破。
ABB 机器人业务线工业领域董事总经理 Craig McDonnell 表示：“生成式 AI 的快速发展正在推动机器人技术实现跨越式进步，我们正从执行预定义任务的传统机器人，迈向能够实时理解、适应并学习的更加自主和多功能机器人（Autonomous and Versatile Robotics，AVR）。”
“物理 AI 正在从根本上改变机器人的工作方式、应用场景以及其创造的价值。缩小基于合成数据训练的机器人数字孪生与真实机器人之间的差距，是实现突破的关键。只有将这些高度逼真的数字孪生模型融入可重复、工业化的工程流程中，才能充分释放自主多功能机器人技术的潜力。”
英伟达机器人与边缘 AI 副总裁 Deepu Talla 表示：“物理 AI 正在改变智能系统在现实世界中的开发和部署方式。通过结合仿真、合成数据、加速计算和 AI 模型，制造企业能够在实际部署前评估更多应用场景，更早发现并解决边界问题，加速创新落地。未来的机遇不仅在于构建更优秀的模型，更在于建立数字世界与物理世界之间持续学习的闭环。”
该白皮书由 ABB、英伟达以及 AsiaInfo、德勤（Deloitte）和 SKAI Intelligence 等机构共同参与编写，提出了一种“数字优先”的工程方法，将机器人视觉风险评估提前至设计阶段。通过数字孪生、任务专用合成数据以及物理部署前的 AI 验证，制造企业能够更早发现并解决潜在问题，同时构建具备可追溯性、可复用性和可验证性的工程资产。随后，真实运行环境中的数据将持续优化和完善数字模型，形成持续改进的闭环流程。
为支持这一方法，ABB 机器人正在打造物理 AI 工具链（Physical AI Toolchain），通过融合仿真数据、合成数据和真实世界数据的持续学习流程，实现机器人从“编程执行”向“训练学习”的转变。
借助开放且灵活的 AI 生态系统，客户可以根据具体应用需求，将 ABB 机器人的工业专业能力与最适合的数据资源和 AI 模型相结合，同时确保工业级精度和可扩展性。
该白皮书还探讨了为何机器人视觉风险需要在数字工程流程的早期阶段进行评估，并详细介绍了参考架构、AI 验证、机器人验证以及持续反馈闭环如何协同工作，从而加速 AI 驱动自动化技术的大规模部署。
此次白皮书发布建立在 ABB 机器人与英伟达于 2026 年 3 月宣布的战略合作基础之上。双方合作的首批成果之一是 RobotStudio HyperReality，该方案将 ABB 行业领先的 RobotStudio 离线编程与仿真平台，与英伟达 Omniverse 库提供的高精度物理仿真能力相结合，共同解决长期存在的“仿真到现实（Sim-to-Real）”差距。
通过这一技术融合，制造企业能够更加快速、自信且规模化地设计、测试和部署基于物理 AI 的机器人应用。
RobotStudio HyperReality 有望改变客户大规模设计、验证和优化机器人应用的方式。在完成与部分客户的成功测试后，该解决方案计划于 2026 年下半年向全球超过 60,000 名 RobotStudio 用户开放。
