黄仁勋让AI教“小鸭”走路，机器人开发迎来智能体协作

一只只有约25厘米高的“小鸭”，把黄仁勋的发布会带到了另一个问题面前：AI能不能接过一部分教机器人做事的工作？

在10月21日的英伟达GTC柏林大会演示中，开源智能体Hermes被用于串联机器人开发流程：安排任务、调用设计软件、搭建虚拟场景，再把训练完成的控制程序交给真实机器人。

Hermes可以理解为一套让AI调用工具、执行多步任务的软件。此次演示中的主角Microduck，则是机器人厂商Pollen Robotics推出的双足“小鸭机器人”。现场真机的行走，与说明视频中的虚拟训练流程，共同构成了这场展示。

先做一座虚拟训练场

开源AI研究团队Nous Research发布的完整演示，介绍了一条从想法到部署的路径。

开发者先描述要搭建的障碍训练场，智能体把目标拆成步骤，再协调不同模型和工程软件完成工作。其中，英伟达的Nemotron模型参与规划，OpenAI的GPT-6 Astra模型参与环境和物体构建；机械设计软件FreeCAD、三维软件Blender，以及英伟达的仿真和训练工具被连接进同一流程。

这里的“仿真”，可以理解为在计算机里造一个尽量遵守现实物理规则的练习场。坡面有角度，物体有重量，机器人摔倒会产生后果。开发者可以先在虚拟场景里反复试验，减少直接拿真机试错的成本。

按照演示方的说明，许多虚拟小鸭在不同场景中并行训练，形成控制身体的策略。策略经过评估后，再被部署到真实机器人上。

画面来源：Nous Research公开演示视频约3分处。原视频标注含AI生成或修改内容；此图用于说明虚拟训练设想，不作为未经处理的实际训练记录。

本地、云端和机器人，各有分工

这场演示容易被压缩成“一句话，让电脑教会机器人”。实际呈现的计算分工要复杂得多。

开发者身边的RTX Spark工作站负责一部分本地工作和工具协调；大规模并行训练被放到云端；最终控制身体动作的程序，则需要在真实机器人上运行。黄仁勋在现场也提到了训练、数字孪生和机器人本体这三个计算环节。数字孪生，就是现实设备在计算机中的对应模型。

因此，“智能体在本地运行”不能扩展成“全部模型和训练都在本地完成”。不同软件、不同模型和不同计算设备共同工作，才是这次展示的重点。

它让一个原本需要人在多套工具之间来回切换的流程，有机会交给智能体统一协调。对工程师来说，工作重心也可能更多转向设定目标、检查模型和验证结果。

小鸭还没有变成通用劳动力

Microduck本身的定位，也能帮助理解这场演示的边界。

Pollen Robotics在8月27日的官方介绍中，把它定位为面向开发者和教育场景的小型机器人，强调开放的软件、仿真和控制系统。它给研究者提供了一套可以上手试验的硬件，而非已经能够承包家务的消费级成品。

画面来源：Nous Research公开演示视频约4分51秒处，为GTC柏林现场画面。

从虚拟场景到现实世界，仍然要跨过摩擦、光照、传感器误差和硬件差异。训练场里学会的动作，换一个地面、一个视角，是否依然可靠，需要真实测试。

目前公开演示没有给出完整训练时长、人工干预量，或不同真实环境下的成功率。舞台上的几分钟，也无法代替长期运行验证。

更值得关注的变化，是机器人研发工具链开始拥有一个能够组织工作的AI入口。它有望降低搭建实验的门槛；实验结果是否可靠、机器人能否安全完成任务，仍是下一道更难的考题。

参考资料

[1] NOUS RESEARCH. Hermes与Microduck机器人开发演示及公开说明[EB/OL]. (2026-10-21)[2026-10-22].

[2] NVIDIA. GTC Berlin 2026 Keynote[EB/OL]. (2026-10-21)[2026-10-22].

[3] POLLEN ROBOTICS. Introducing Microduck[EB/OL]. (2026-08-27)[2026-10-22].