☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
新加坡，2026 年 6 月 1 日——新加坡人工智能机器人企业 Sharpa 宣布与 NVIDIA 达成合作，正式推出全球首款集成 Sharpa Wave 灵巧手的 NVIDIA Isaac GR00T 参考人形机器人。
该参考平台以 Isaac GR00T 开发框架为核心，深度融合 Sharpa 的触觉驱动型灵巧操控技术、Unitree 的高性能人形机器人本体、NVIDIA 边缘端强大算力，以及 Isaac GR00T 全流程开发体系，形成一套经过实测验证的标准化配置。依托此平台，开发者与科研人员可显著加速机器人技能的研发节奏——从原本需数天完成的环境搭建与调试，压缩至数小时内即可启动训练与部署。
当前，通用人形机器人正快速拓展至工业、服务、医疗等多元现实场景。然而，在实际落地过程中，开发者仍普遍遭遇研发链路高度割裂的挑战：硬件适配、真实数据采集、高保真仿真、模型训练、性能评估及现场部署等环节往往各自为政，不仅抬高了技术门槛，也拖慢了机器人技能从实验室走向真实世界的进程。
H2 Plus 正是为此而生。它将 Sharpa 的精细操作硬件能力、Unitree 的成熟人形机体、NVIDIA 的嵌入式AI算力资源，以及 Isaac GR00T 的端到端开发范式，统一整合为一套开箱即用、可复现、已验证的参考架构，助力研究团队大幅缩短整机联调周期、加快技能迭代速度，并高效推进真实环境下的功能验证。
“赋予机器人真正的生产力，始终是 Sharpa 的核心使命。”Sharpa 联合创始人李一帆指出，“我们正通过自研触觉灵巧硬件与专用AI模型双轮驱动，持续突破机器人在精细作业层面的能力边界。此次携手 Unitree 与 NVIDIA 打造人形机器人参考设计与全栈开发方案，正是推动机器人走出实验室、扎根真实场景、胜任真实任务的关键实践。”
NVIDIA 机器人产品总监 Spencer Huang 表示：“灵巧末端是人形机器人在物理世界中执行高附加值任务的核心载体。配备 Sharpa Wave 触觉五指手，并融合 NVIDIA Isaac GR00T 与 Isaac Teleop 工具链，Unitree H2 Plus 为开发者提供了一套面向触觉感知、运动控制与精密操作技能训练的完整参考平台。”
面向 Physical AI 开发的下一代灵巧人形机器人参考系统
集成 Sharpa Wave 的 NVIDIA Isaac GR00T 参考人形机器人，将人形机器人前沿研究所需的多项关键能力集成为一体化系统：符合人类尺寸的机械结构、类人级灵巧操作能力、高保真触觉反馈、全身协同运动控制，以及强大的边缘侧 AI 计算能力。
H2 Plus 参考系统包含以下核心组件：
- 双套 Sharpa Wave 触觉五指手。单手具备 22 个自由度，整机手部+躯干自由度总计达 75 个，全面支撑人类尺度下的复杂灵巧操作。
- 高密度数字触觉传感阵列。每枚指尖集成超 1,000 个触觉像素，压力分辨率达 0.02 N，可在长时间、多步骤、高交互性的操作任务中维持稳定表现，例如物体手内旋转、双手协同装配等。
- Unitree H2 人形机器人本体。搭载 31 个身体自由度，为全身动态平衡、多关节协同与复杂任务执行提供坚实硬件基础。
- NVIDIA Jetson AGX Thor T5000 嵌入式计算平台。内置 NVIDIA Blackwell 架构 GPU，提供高达 2,070 FP4 TFLOPS 的AI算力，配备 14 核 Arm CPU 与 128 GB 统一内存，并支持灵活功耗调节，为机器人本地实时推理与闭环控制提供强劲算力保障。
Sharpa Wave：专为人形机器人打造的仿生灵巧末端执行器
对人形机器人而言，本体决定其能否进入真实空间，而末端执行器则决定了其能否真正完成任务。
在 Unitree H2 Plus 上搭载 Sharpa Wave，并完成 NVIDIA 平台内的高保真建模后，开发者得以构建覆盖数据采集、仿真训练、策略优化与实机部署的完整触觉灵巧操作开发闭环。
首先，借助 NVIDIA Isaac Teleop，开发者可高效采集高质量上肢动作示范数据，用于训练更贴近人类行为逻辑的复杂上肢-手部协同策略，使机器人不再局限于预设轨迹执行，而是具备学习类人操作模式的能力。
其次，开发者可在 NVIDIA Isaac Sim 与 Isaac Lab 中，基于 Sharpa Wave 的真实触觉参数（如接触力分布、滑动检测、形变响应等），开展策略的仿真训练、泛化测试与鲁棒性评估。作为 NVIDIA 开放的仿真基础设施，Isaac Sim 与 Isaac Lab 能帮助团队在部署前充分验证算法表现，显著降低实机试错成本与风险。
最后，依托 Jetson AGX Thor 的强大边缘推理与低延迟控制能力，开发者可将训练完成的触觉灵巧操作策略直接部署至机器人本体，并以更小的仿真-现实差距（sim-to-real gap）实现真实场景下的稳定运行与持续迭代。
