NVIDIA 官方教程展示车型适配流程：用已有行驶记录重建三维场景，按目标摄像头布局渲染，再用 Harmonizer 整理画面并准备感知训练数据。NuRec Skill 可协助数据获取、渲染与后处理；画面修复不能补救错误校准或未覆盖场景，合成数据也不能替代实车数据验证。数据集、模型和容器需要相应 NVIDIA NGC / Hugging Face 账户及许可；FLABS 未运行该工作流，不把厂商效果视为本站实测。
推荐理由：提供汽车产品开发中的三维重建与仿真数据准备步骤，并明确校准、真实验证和许可边界。
NVIDIA 以 Spot 四足机器人为参考，展示 COMPASS 工作流：准备仓库或 SAGE-10K 场景，运行单环境检查，再进行残差强化学习训练和检查点评估。Agent 协助开发准备与故障诊断，实际导航由训练后的策略和控制器执行。示例栈为 Isaac Lab 3.0 与 Isaac Sim 6.0，要求 Ubuntu、支持 RTX 的 NVIDIA GPU及至少 16GB 显存；场景接受和检查点晋级设有人审核。FLABS 未训练或部署该示例。
推荐理由：连接仿真资产、训练与交付验收，提供机器人生产自动化开发的可复用流程和明确适用条件。
NVIDIA 介绍开源 SkillEvaluator：先检查技能结构与安全、识别重复指导，再在隔离任务中对比安装与未安装 Skill 的 Agent 表现。文章说明对照使用相同提示、模型、输入和评分条件，并分别在两个执行框架上评估。公布的 Skill Lift 是分数差值，不是百分比；多数任务只有一次尝试，未报告置信区间。这些是 NVIDIA 自述结果，FLABS 未复现，也不据此给工具榜打分。
推荐理由：提供生产 Agent 技能评测的对照方法，并明确样本次数、分数单位与结果不确定性。
NVIDIA 介绍用 DROID 示范数据后训练 Cosmos 3 Edge 动作策略，再在 Jetson Thor 上运行策略服务，并先在 RoboLab 闭环仿真中评估。教程区分训练与机载推理：公布的训练方案使用多节点 GB200 级算力，不能把机器人端运行条件当成单 GPU 训练门槛；不同机器人还需调整动作空间、相机和状态配置。文中效果来自厂商示例，权重、框架和数据应分别核对许可与访问条件；FLABS 未训练、部署或实测。
推荐理由：覆盖机器人生产自动化开发的训练、端侧部署与仿真评估链路，避免混淆训练和推理资源。
NVIDIA 技术文章解释以视频世界模型为骨干的世界动作模型（WAM），并介绍基于 Cosmos 3 的机器人策略后训练方向。文章将联合预测动作与未来场景作为物理泛化的路径，但不同机器人仍需要各自的后训练与数据适配。这是厂商技术解读，不代表 WAM 必然优于所有 VLA；FLABS 未训练策略或验证真实产线表现，模型、数据与代码需分别核对许可和使用条件。
推荐理由：为机器人与生产自动化开发提供模型架构和后训练方向，区分厂商观点与已验证的生产效果。
NVIDIA 官方教程展示 Alpamayo 2 Super 在自动驾驶研发中的四类用法：生成轨迹与因果推理说明、预测高层动作、回答多相机场景问题，以及生成带二维定位的自动标注。示例使用模型权重和推理笔记本，并讨论开环与闭环评估；权重、代码和示范数据需要分别核对许可及访问条件。厂商示例不能替代真实系统验证，FLABS 未运行模型、训练或验证部署安全。
推荐理由：把多相机推理与自动标注落实到车辆产品开发任务，同时保留评估和许可边界。