Datamangelen som bremser robotikken

Store språkmodeller som GPT og Claude er trent på internettets samlede tekstmasse — milliarder av setninger som allerede fantes. Roboter har ikke samme utgangspunkt. For å lære hva som skjer når en kabel bøyes feil, en griper treffer et objekt i feil vinkel, eller en kopp glir ut av grepet, må systemet oppleve det selv, gang etter gang. Å samle slik data i den virkelige verden er langsomt, dyrt, risikabelt og til tider umulig fordi selve oppgaven er destruktiv, ifølge Hugging Face-bloggen der NVIDIA-ingeniørene beskriver situasjonen.

Løsningen er simulering: et digitalt rom der tusenvis av robotforsøk kan kjøres parallelt på GPU-er, uten at ett eneste fysisk objekt knuses. Dette er ikke lenger et verktøy for å feilsøke geometri eller visualisere bevegelse, slik tidlige robotsimulatorer ble brukt. I dag er simulering en integrert del av selve modelltreningen — der persepsjonsdata genereres, forsterkningslæringsstrategier trenes, og ferdigmodeller testes mot sjeldne og fiendtlige scenarioer før de slippes inn i en fabrikk.

Tre maskiner, ett system

NVIDIA beskriver den moderne utviklingskjeden gjennom et «tre-datamaskin-paradigme»: én stor GPU-klynge for å trene grunnmodeller, én simuleringsmaskin for å generere roboterfaringer og sensordata, og én liten kantdatamaskin ombord på selve roboten for å kjøre den ferdigtrente modellen. Hver del har ulike krav til ventetid, gjennomstrømning og presisjon — og valget av simuleringsmotor avgjør i praksis hva som er mulig i de to første stegene.

Markedet for fysisk AI-simulering og digitale tvillinger for robotikk var verdt 3,8 milliarder dollar i 2025 og anslås å nå 34,6 milliarder dollar innen 2034, ifølge analysebyrået Market Intelo — en vekstrate på 28,5 prosent årlig. Det bredere fysiske AI-markedet er anslått å vokse fra 1,5 milliarder dollar i 2026 til over 15 milliarder dollar innen 2032, ifølge MarketsandMarkets.

Newton: åpen infrastruktur fra tre giganter

Det mest strategisk interessante trekket i dette landskapet er Newton — en åpen, GPU-akselerert og differensierbar fysikkmotor som NVIDIA, Google DeepMind og Disney Research annonserte i september 2025 og bidro med til Linux Foundation. Newton er bygget på NVIDIAs Warp-rammeverk og OpenUSD-standarden, og administreres under åpen styring av Linux Foundation, som bekreftet bidragsytelsen.

Motorens arkitektur skiller seg fra tradisjonelle enkeltløsere: Newton tilbyr flere løsere for ulike fysiske systemer — stive kropper, myke materialer, partikkelbaserte systemer og klede — slik at utviklerne kan velge riktig numerisk metode for problemet de løser. Det åpner for at samme infrastruktur kan brukes til å trene en humanoide robot, en undervannsdrone og en industriell manipulatorarm.

At tre tunge aktører innen AI og robotikk har lagt en felles kjernemotor i åpen kildekode, er et strukturelt signal: de konkurrerer på applikasjoner og maskinvare, ikke på fysikkens grunnlag. Ifølge NVIDIAs Hugging Face-blogg er kodebasen tilgjengelig for «alle med en forbrukergpu» — en bevisst demokratisering av infrastruktur som for få år siden bare fantes hos de største laboratoriene.

MuJoCo, Isaac og de andre

Newton er ikke den eneste aktøren. Hugging Face-bloggen gir en systematisk gjennomgang av de dominerende simuleringsmotorene og peker på at valget avhenger av konkret brukstilfelle.

MuJoCo (Multi-Joint dynamics with Contact) er den raskeste og mest nøyaktige for kontakttunge systemer som biologisk bevegelse og robotmanipulasjon, med en deterministisk pipeline og sterk kontaktmodellering — men er ikke primært designet for fotorealistisk rendering eller massiv GPU-parallellisering.

MuJoCo Warp (MJWarp) er en GPU-akselerert versjon skrevet i NVIDIAs Warp-rammeverk, optimert for gjennomstrømning fremfor enkelt-steg-ventetid: den simulerer mange verdener parallelt og skalerer kontakttunge oppgaver for læringsformål.

Isaac Sim er NVIDIAs åpne simuleringsrammeverk bygget på Omniverse-plattformen. Det bruker OpenUSD som kjernedatalag og leverer fotorealistisk RTX-rendering, høytro fysikksimulering via PhysX, og sensorsimulatorer for kamera, lidar og radar.

Isaac Lab 3.0 samler det hele til en treningspipeline: det støtter forsterkningslæring, imitasjonslæring og datainnsamling, og er i versjon 3.0 frakoblet fra Isaac Sim som obligatorisk avhengighet — slik at utviklere kan kjøre lettvektssimulatorer for høy gjennomstrømning eller bytte inn fotorealistiske miljøer etter behov.

For spesialiserte behov nevner bloggen Drake som standard for kontakt-implisitt baneoptimalisering og streng numerikk, og PyBullet som CPU-utgangspunkt for rask prototyping. Ingen av dem er svaret dersom man trenger 4 096 humanoide roboter simulert på én GPU, slik bloggen eksplisitt formulerer det.

Sim-til-virkelighet: det uløste problemet

Det sentrale tekniske målet for feltet er «sim-to-real transfer» — at en robot trent i simulering faktisk fungerer i den virkelige verden uten vesentlig ytelsesforslechtering. Historisk har dette vært den største barrieren: selv minimale avvik i belysning, materialegenskaper eller fysikkmodellering kan gjøre en tilsynelatende velfungerende modell ubrukelig utenfor laboratoriet.

ABBs RobotStudio HyperReality-plattform, lansert i samarbeid med NVIDIAs Omniverse-biblioteker i mars 2026, er ett industrielt eksempel på at sim-til-virkelighet-gapet nå tas seriøst på kommersielt nivå, ifølge MarketsandMarkets. Uavhengige verifikasjoner av de oppgitte ytelsestallene foreligger ikke offentlig.

Hva norsk industri bør merke seg

For bedrifter i havbruk, maritim sektor, offshore og prosessindustri er den praktiske implikasjonen todelt. Inngangsbarrieren er vesentlig lavere enn for tre år siden: verktøyene er åpne, GPU-tilgjengelige og aktivt vedlikeholdt av de største aktørene i bransjen. Det er konkurransen om kompetanse — ikke lisenskostnader — som vil avgjøre hvem som lykkes.

Hugging Face-bloggen varsler en artikkelserie som vil gå dypere inn i Warp, MuJoCo Warp og en komplett ende-til-ende robotikkpipeline. NVIDIAs SO-101 sim-til-virkelighet-kurs, som dekker hele kjeden fra simulering til fysisk distribusjon med Isaac Sim, Isaac Lab og GR00T, er allerede tilgjengelig.