黄仁勋GTC演示Hermes Agent：一条提示词打通机器人仿真与硬件实机

给笔记本丢一句话，它自己把实体机器人教会走路了。

黄仁勋在柏林演讲的压轴环节，拿出了这套活。 以前聊 AI Agent，大家熟悉的场景还是在网页里订机票、改代码。 这一次，他把一只巴掌大的实体机器鸭抱上了台。 这只鸭子能自己避开障碍、在舞台上小跑，甚至还能翻跟头。 鸭子会动其实不算稀奇。 最让人多看两眼的是，把它调教到能跑能跳，中间连一个手写控制算法的工程师都没有。

过去要让一个机器人在现实里走稳，门槛有多高？ 机械工程师得在 CAD 软件里建模。 动画师要在渲染软件里给零件贴材质。 仿真工程师要在物理引擎里调关节阻尼和摩擦力。 然后算法团队写强化学习脚本，在集群里一遍遍算。 最后嵌入式工程师把模型一点点刷进硬件板子，拿去实地测。 中间任何一个环节卡壳，几个月就进去了。

黄仁勋现场给出的解法只有一句话： 想造一个 Agent，最好的办法就是让另一个 Agent 去帮你造。

他在一台笔记本上输入了一条提示词。 作为框架的开源智能体 Hermes 收到指令，带着 Nemotron 大模型做任务规划。 它先列出一张清单，写明教会这只机器鸭看路需要哪些三维障碍物、什么样的地面。 紧接着，OpenAI 的大模型 Astra 开始自动执行。 没人去动鼠标。 大模型自己在后台调起 FreeCAD 软件，把鸭子身体和场景零件的三维网格画了出来。 画完自动切到 Blender 贴上物理材质。 再调用英伟达的 Omniverse 资产库，给每个模型写入真实的重力、摩擦力和碰撞体积。

三维世界搭好了，怎么让它动？ Agent 调动仿真软件，给机器鸭的每一个关节、舵机装上物理约束。 接下来最重的一步，直接甩给云端。 几千只虚拟小鸭子，同时在云端的仿真环境里练习走路。 每一次摔倒，都是一次参数修正。 虚拟摄像头模拟着现实中的反光、阴影和盲区，逼着视觉算法同时学会认路。 现实里要摔断几百条腿才能攒够的数据，云端集群几千只鸭子同时摔，很快就收敛了。

策略跑通之后，直接下载回笔记本。 验证没有问题，顺着数据线，整套控制策略被写入台上的实体机器鸭。 鸭子放在地上，开机就能走，能看路，甚至能听指令翻跟头。

整个过程分成三层： 笔记本负责规划和调度工具。 云端集群负责高强度的并行试错。 地上的物理机器人只负责接收策略跑起来。

大模型不再只待在对话框里回答问题。 FreeCAD、Blender、物理仿真器，全成了它顺手调用的螺丝刀和扳手。 一旦 Agent 能自己搭环境、自己去云端摔打几千个替身来训练实体硬件，物理世界的开发节奏，可能真的要被重写了。