把策略留在模擬器裡不難；真正的功夫，是讓它在實體機械手臂上也能照做。

這堂一日實作課邀請開發者、研究人員與大專院校師生，沿著 NVIDIA Isaac 工作流，從模擬、資料收集、模型訓練與評估，一路推進到實體驗證與部署。

Isaac 模擬
   ↓
示範資料 → VLA 訓練 → 差距校正
   ↓
SO-101 實體驗證

你將配置並校正 SO-101 機械手臂，透過遠端操作收集示範資料，並以領域隨機化進行資料增強。接著使用 Isaac GR00T 訓練與評估視覺－語言－動作模型，讓機器人理解指令並執行操作。

課程也會帶你運用 Cosmos 擴增資料集、以共同訓練提升泛化能力，並實作 SAGE + GapONet，測量與優化模擬環境和真實馬達之間的作動差距。最後，實際應用四大 Sim-to-Real 策略，將模擬策略轉移至實體機器人。

建議熟悉 Python，並具備基礎機器學習及 ROS／機器人作業系統概念。這不是只聽理論的課；你會一路動手做到實機驗證。

2026 年 8 月 7 日（週五）

如果你已經懂一些 Python、機器學習與 ROS，現在想把機器人模型從「模擬可行」推進到「實機能跑」，帶上隊友，一起把完整流程走完。

把策略留在模擬器裡不難；真正的功夫，是讓它在實體機械手臂上也能照做。

Isaac 模擬
   ↓
示範資料 → VLA 訓練 → 差距校正
   ↓
SO-101 實體驗證

建議熟悉 Python，並具備基礎機器學習及 ROS／機器人作業系統概念。這不是只聽理論的課；你會一路動手做到實機驗證。

2026 年 8 月 7 日（週五）

如果你已經懂一些 Python、機器學習與 ROS，現在想把機器人模型從「模擬可行」推進到「實機能跑」，帶上隊友，一起把完整流程走完。

如何使用 NVIDIA Isaac 模擬、訓練、驗證並部署完整的機器人工作流程