NVIDIA 发布物理 AI 仿真综述，厘清仿真引擎选型路线图

NVIDIA 发布关于物理 AI 仿真的系统级综述，阐述从 MuJoCo 到 Isaac Lab 的核心引擎定位差异，首次以“三层计算机”范式（训练、仿真、机器人端）解释仿真的角色升维。核心判断是，仿真已从几何调试工具转变为模型开发闭环的关键环节，用于生成感知数据集、训练强化学习策略，并承担基准测试、对抗场景压测等任务，因现实数据获取昂贵，仿真成为填补数据缺口的桥梁。

在选型指南中，综述梳理 MuJoCo、MuJoCo Warp、Isaac Sim、Isaac Lab 等引擎特点，对比 PyBullet 和 Drake。

💡 为什么值得看对关注 agent 与具身智能的读者，这篇综述是理解当前仿真基础设施碎片化与收敛方向的关键索引。