服务广泛电子应用领域之全球半导体领导厂商意法半导体（STMicroelectronics，简称 ST，纽约证券交易所代码：STM）宣布加速推动 Physical AI 系统的全球发展与应用，涵盖人形机器人、工业机器人、服务型机器人及医疗机器人等领域。

意法半导体将整合旗下感测器、微控制器与马达控制解决方案，整合至 NVIDIA 机器人开发生态系，协助开发者以更高效率、可靠性与可扩展性，设计、训练并部署人形机器人及各类 Physical AI 系统

ST 正将其先进机器人相关的完整产品组合，纳入 NVIDIA Holoscan Sensor Bridge（HSB）相容的叁考元件组合。同时，ST 元件的高拟真 NVIDIA Isaac Sim 模型亦正导入双方的机器人开发生态系，以支援更快速且更精准的 sim-to-real 研发。目前已提供开发者使用的首波成果，包括将由 ST 技术支援的 Leopard Imaging 深度相机与 NVIDIA HSB 完成整合，并在 NVIDIA Isaac Sim 生态系中导入 ST IMU 的高拟真模型。

意法半导体销售与行销执行??总裁（负责美洲区与全球重点客户业务）Rino Peruzzi 指出，「ST 长期深耕机器人领域，持续提供稳定可靠的技术支援，并建立完整的开发生态系。此次与 NVIDIA 的合作，从 AI 演算法开发初期到感测器与致动元件的整合，全面优化开发者与客户的使用体验，将带动新一波机器人技术发展，加速 AI 驱动实体平台的发展。」

NVIDIA 机器人与 Edge AI ??总裁 Deepu Talla 表示，「新一代自主系统的发展，有赖高拟真模拟与硬体整合的紧密配合，才能有效缩短虚拟训练与实际部署之间的落差。透过将 ST 的感测与致动技术整合至 NVIDIA Isaac Sim、Holoscan Sensor Bridge 与 Jetson 平台，开发者可在一致的开发基础下完成建构、模拟与部署，进一步推动 Physical AI 的大规模应用。」

透过 Holoscan Sensor Bridge 简化感测与致动整合流程

透过 NVIDIA Holoscan Sensor Bridge（HSB），开发者可将多个 ST 感测器与致动元件的资料撷取与记录流程加以整合与标准化，并提升同步效率，为建构高拟真 NVIDIA Isaac 模型奠定关键基础，同时加快模型训练流程，并降低模拟与实际部署之间的落差。

此合作亦着重於简化 ST 感测器与致动元件连接至 NVIDIA Jetson 平台的流程，透过预先整合的解决方案，结合 STM32 微控制器、先进感测技术（包括 IMU、影像感测器与飞时测距（ToF）元件）以及马达控制解决方案，特别适用於人形机器人设计。Leopard Imaging 推出的机器人双目深度相机即为代表性应用之一。该方案整合 ST 的影像、深度与动作感测技术，预期可支援 Physical AI OEM、学术研究机构及工业机器人领域的多元应用发展。

以高拟真建模降低开发成本与系统复杂度

先进机器人开发者除了需承担高昂的开发成本外，在建模阶段亦面临诸多挑战。高拟真模拟搭配大量随机化设定，往往需要庞大的 GPU 与 CPU 运算资源，以及大量资料支援；同时，如何选择需要随机化的叁数及其范围，也仰赖深厚的领域专业。若设定不当，可能导致模拟情境失真或训练效率低落；而过度的变异性，亦可能干扰模型学习、延长收敛时间，甚至在随机条件不再符合实际情境时，影响最终的实际应用表现。

ST 与 NVIDIA 的目标，是针对先进机器人应用需求，为 ST 完整产品组合提供经硬体校准的高精度模型。在首款 IMU 模型推出後，ST 正持续开发 ToF 感测器、致动元件及其他 IC 的模型，这些模型皆以实际 ST 硬体所取得的基准数据为基础，并透过 ST 工具撷取精准叁数与真实行为特性，进而打造适用於 NVIDIA Isaac Sim 生态系的模型。同时，NVIDIA Holoscan Sensor Bridge（HSB）亦正与 ST 工具链进行整合，以提升整体开发效率与模型一致性。

ST 与 NVIDIA 预期，更精准的模型将大幅提升机器人的学习效率。透过能够贴近实际装置行为的模型，机器人可在更符合真实情境的模拟环境中进行训练，进一步缩短训练周期，并降低人形机器人应用在建构与优化过程中的开发成本。