› Główną barierą w trenowaniu fizycznej AI jest brak danych - zbieranie ich w świecie rzeczywistym jest wolne, kosztowne i ryzykowne.
› NVIDIA opisuje trójkomputer paradygmat: klaster GPU do treningu, stacja symulacyjna oraz komputer pokładowy robota (np. Jetson AGX Thor).
› Symulacja umożliwia generowanie tysięcy godzin doświadczeń robotycznych ułamku kosztu realnych zbiorów danych dzięki zrównolegleniu na GPU.