NVIDIA présente Isaac Lab-Arena, un cadre open source conçu pour simplifier l’évaluation des politiques robotiques généralistes en simulation. Ce projet, co-développé avec Lightwheel comme extension d’Isaac Lab, répond à un besoin croissant : évaluer de manière scalable, répétée et efficace des modèles robotiques capables de s’adapter à diverses tâches, corps robotiques et environnements. Sans infrastructure préexistante, les développeurs doivent souvent construire à la main des systèmes complexes, limitant la diversité et la complexité des benchmarks. Isaac Lab-Arena permet de passer de 0 à 1 rapidement grâce à des API simplifiées pour la création, la diversification et l’évaluation parallèle à grande échelle. Les principales fonctionnalités incluent une curatelle simplifiée des tâches, une diversification automatisée (ex. : remplacer un soda domestique par un tuyau industriel sans réécrire du code), une évaluation parallèle à grande échelle sur des milliers d’environnements simultanés, une intégration fluide avec la génération de données et l’entraînement (via Isaac Lab-Teleop, Isaac Lab-Mimic, ou modèles comme Isaac GR00T N), ainsi qu’un déploiement flexible sur poste local ou en cloud (ex. : OSMO). Le cadre est open source sous licence commerciale, favorisant l’adoption, la contribution et la collaboration. Un écosystème en croissance s’installe autour d’Isaac Lab-Arena. Lightwheel a déjà développé et publié plus de 250 tâches via les suites Lightwheel-RoboCasa-Tasks et Lightwheel-LIBERO-Tasks, avec des ambitions de les transformer en benchmarks standardisés. Des projets comme RoboFinals, une évaluation industrielle complexe, et RoboTwin 2.0, une plateforme de simulation à grande échelle, s’appuient également sur le cadre. Les environnements sont désormais disponibles sur Hugging Face LeRobot Environment Hub, permettant aux utilisateurs d’évaluer et de post-entraîner des politiques comme Isaac GR00T N, pi0 ou SmolVLA. Des laboratoires de recherche de NVIDIA, tels que le GEAR Lab et le Seattle Robotics Lab, l’utilisent pour évaluer des modèles généralistes, notamment pour le raisonnement humain et la manipulation. L’objectif futur est d’ajouter des fonctionnalités avancées : placement d’objets par langage naturel, tâches composites, évaluations hétérogènes (objets variés par environnement) et l’exploitation de modèles agents (ex. : NVIDIA Cosmos pour la simulation neuronale, Omniverse NuRec pour la construction de scènes réalistes à partir du monde réel). La communauté joue un rôle clé dans l’évolution du cadre. Le workflow illustré montre l’évaluation d’un modèle Isaac GR00T N sur une tâche de type « ouverture de porte de micro-ondes » avec le robot GR1. Il inclut la création de l’environnement (scène, objet, afforde, robot), la diversification rapide (changement d’objet ou de robot), une évaluation en parallèle (homogène ou non) et une intégration possible avec le post-entraînement. Des exemples concrets montrent comment modifier facilement un objet, un robot ou un décor sans reconstruire l’environnement. Isaac Lab-Arena est actuellement en version pré-alpha, offrant une base fonctionnelle pour expérimenter, donner son avis et influencer l’avenir du cadre. Les développeurs peuvent commencer dès maintenant via GitHub, rejoindre les forums NVIDIA Robotics, suivre les actualités sur les réseaux sociaux et s’inscrire aux formations gratuites sur les fondamentaux de la robotique NVIDIA.