- 现有机器人仿真综述往往将**NVIDIA Isaac Sim** 视为众多模拟器之一，缺乏对其**架构特性(architectural characteristics)**、**使用模式(usage patterns)** 和**局限性(limitations)** 的系统分析
- 研究背景：仿真已演变为机器人研究的核心基础设施，但缺少针对Isaac Sim这一**GPU加速(GPU-accelerated)** 模拟器的专门综述
- 需要对Isaac Sim进行深入分析，以帮助研究者理解其独特优势（如大规模并行训练、物理精确建模）和适用场景
- 采用**系统视角(system perspective)** 和**应用视角(application perspective)** 双重框架，系统阐述Isaac Sim的架构与组件
- 将Isaac Sim与多种广泛使用的机器人模拟器（如MuJoCo、Gazebo等）进行**横向比较(comparative analysis)**
- 梳理**五大主流领域( five major domains)** 中的代表性研究，归纳出**数据生成(data generation)** 和**高保真仿真(high-fidelity simulation)** 两类核心使用模式
- **首创系统性综述**：首次专门针对NVIDIA Isaac Sim，全面分析其**GPU加速并行训练(GPU-accelerated parallel training)**、**合成数据生成(synthetic data generation)** 等架构特性
- **揭示独特使用模式**：总结出Isaac Sim在数据生成和高保真仿真中的典型用法，为后续应用提供参考
- **前瞻性方向识别**：明确未来关键挑战，包括**物理开放世界学习(physics open-world learning)**、**仿真中心训练(simulation-centric training)** 和**实用可用性约束(usability constraints)**
- 填补领域空白：提供首个关于NVIDIA Isaac Sim的系统性综述，帮助研究者快速理解其能力与局限
- 建立比较基准：通过与其他模拟器的对比，凸显Isaac Sim在**可扩展性(scalability)** 和**物理准确性(physics accuracy)** 方面的优势
- 指引未来研究：指出物理开放世界学习、仿真中心训练等前沿方向，推动机器人仿真领域的发展