NVIDIA 西雅图机器人实验室和 Isaac 团队公开了 GB300 测试托盘装配实验，任务包括母排安装与多个电缆连接器插入。这些托盘用于计算模块出厂前的功能与性能验证。研究没有把所有步骤交给同一种端到端模型，而是先测试传统感知、规划和控制，再对难点引入学习方法。
母排装配采用分离的视觉、路径规划和阻抗控制，实验成功率超过百分之九十五，完整流程约一百六十秒。制造方目标为百分之九十九点五成功率和不超过一百二十四秒，因此当前结果尚未达标。电缆插接则结合专用姿态估计、仿真训练和真实力矩反馈，最终成功率约百分之九十至九十五。
文章详细解释了为什么数据规模不能轻易堆上去：专用电缆数量有限，反复夹取会产生不可逆形变，实验数据也可能逐渐偏离真实工厂状态。这份公开记录同时展示进展与限制。它说明机器人装配需要把夹具设计、接触控制、模型和节拍一起调好，单独提高视觉识别分数仍不足以满足生产要求。