进入Omniverse：OpenUSD 和 NVIDIA Halos 加速机器人出租车和物理 AI 系统的安全
Source: NVIDIA AI Blog
Share
- Email: Share via email
编辑者注：本文是 Into the Omniverse 系列的一部分，系列探讨开发者、3‑D 从业者以及企业如何利用最新的 OpenUSD 与 NVIDIA Omniverse 技术来改造工作流。
Physical AI 正在从研究实验室走向真实世界，为智能机器人和自动驾驶车辆 (AVs)——例如机器人出租车——提供动力，这些系统必须在不可预测的环境中可靠地感知、推理并采取行动。
为了安全地扩展这些系统，开发者需要将真实世界数据、高保真仿真以及稳健的 AI 模型通过 OpenUSD 框架提供的通用基础相连接的工作流。
最近发布的 OpenUSD Core Specification 1.0（通用场景描述）现在定义了标准数据类型、文件格式和组合行为，为开发者在扩展自动化系统时提供可预测、可互操作的 USD 管线。
基于 OpenUSD，NVIDIA Omniverse 库 结合：
- NVIDIA RTX 渲染，
- 物理仿真，和
- 高效运行时
来创建数字孪生和 SimReady 资产，这些资产能够准确反映真实环境，以用于合成数据生成和测试。
NVIDIA Cosmos 世界基础模型可以在这些仿真之上运行，放大数据变体，从相同场景生成新的天气、光照和地形条件，使团队能够安全地覆盖罕见且具有挑战性的边缘案例。
观看 OpenUSD 直播（今天上午 11 点 PT）或观看回放——这是 NVIDIA Omniverse OpenUSD Insiders 系列的一部分。
此外，合成数据生成、多模态数据集和 SimReady 工作流的进展正与 NVIDIA Halos 框架（用于 AV 安全）相融合，形成基于标准的路径，以更安全、更快速且更具成本效益的方式部署下一代自动化机器。
为安全的物理 AI 打下基础
开放标准和 SimReady 资产
OpenUSD Core Specification 1.0 确立了支撑 SimReady 资产的标准数据模型和行为，使开发者能够在 OpenUSD 上构建可互操作的 AI 工厂和机器人仿真流水线。
在此基础上，SimReady 3‑D 资产可以在不同工具和团队之间重复使用，并直接加载到 NVIDIA Isaac Sim 中，USDPhysics 碰撞体、刚体动力学以及基于组合弧的变体让团队能够在与真实运营高度相似的虚拟设施中测试机器人。
开源学习
Learn OpenUSD 课程现已开源并在 GitHub 上提供，允许贡献者为不同受众、语言和使用场景本地化和改编模板、练习以及内容。这为教育者提供了一个即用的基础，帮助新团队快速上手 OpenUSD 为中心的仿真工作流。
生成式世界作为安全倍增器
- 高斯点云（Gaussian splatting）——一种使用可编辑 3‑D 元素快速且高保真渲染环境的技术——以及世界模型正在加速安全机器人测试与验证的仿真流水线。
- 在 SIGGRAPH Asia 上，NVIDIA Research 团队推出了 Play4D，这是一套流媒体流水线，能够实现 4‑D 高斯点云的实时渲染，从而准确呈现动态场景并提升真实感。
- 空间智能公司 World Labs 正在使用其 Marble 生成式世界模型结合 NVIDIA Isaac Sim 与 Omniverse NuRec，让研究人员能够将文本提示和示例图像在数小时内转化为光照真实、基于高斯、具备物理属性的 3‑D 环境，而非数周时间。
这些世界随后可用于物理‑AI 的训练、测试以及 sim‑to‑real（仿真到现实）的迁移。高保真仿真工作流扩展了机器人可练习的场景范围，同时将实验安全地限制在仿真环境中。
Lightwheel 利用 SimReady 资产帮助团队规模化机器人训练
基于 OpenUSD，Lightwheel 的 SimReady 资产库包含通用的场景描述层，便于快速组装机器人高保真数字孪生。资产内嵌精确的几何体、材质和已验证的物理属性，可直接加载到 NVIDIA Isaac Sim 与 Isaac Lab 中用于机器人训练。这使机器人在学习过程中能够体验到真实的接触、动力学和传感器反馈。
Source: https://example.com/your-article
端到端自动驾驶汽车安全
端到端自动驾驶汽车（AV）安全的进展正因新研究、开放框架和检查服务而加速，这些措施使验证更加严格且可扩展。
关键创新
-
Sim2Val 框架 – NVIDIA 研究人员（与哈佛和斯坦福合作）提出了一种统计方法，用于结合真实世界和仿真测试结果，减少昂贵的实际里程需求，同时确保在罕见的安全关键场景中的安全行为。
阅读论文: Sim2Val (arXiv) -
NVIDIA Omniverse NuRec Fixer – 基于 Cosmos 的开源模型，使用 AV 数据训练，可去除神经重建中的伪影，提供更高质量的 SimReady 资产。
-
NVIDIA Halos AI Systems Inspection Lab – 获得 ANAB 认证的实验室，提供对 Halos 元素在机器人出租车车队、AV 堆栈、传感器以及制造商平台上的公正检查和认证。
了解更多: Halos Certification Program
观看: NVIDIA 的 “Safety in the Loop” 直播（原始来源中提供链接）。
早期采用者
| 公司 | 角色 |
|---|---|
| Bosch | Halos 检验实验室参与者 |
| Nuro | Halos 检验实验室参与者 |
| Wayve | Halos 检验实验室参与者 |
| onsemi | 首家通过 Halos 检验的公司（用于自动驾驶车辆、工业自动化、医疗的传感器系统） |
生态系统集成
- CARLA 仿真器 – 集成 NVIDIA NuRec 与 Cosmos Transfer，生成重建的驾驶数据和多样化场景变体。
- Voxel51 FiftyOne 引擎 – 与 Cosmos 数据集搜索、NuRec 和 Cosmos Transfer 关联，用于在 AV 流程中策划、标注和评估多模态数据集。
学术合作
- M‑City（密歇根大学） – 使用 Omniverse 库提升其 32 英亩 AV 测试设施的数字孪生。
- 使用 NVIDIA Blueprint 进行 AV 仿真，利用 Omniverse Sensor RTX API 创建相机、LiDAR、雷达和超声波传感器的物理模型。
- 将真实传感器记录与高保真仿真数据对齐，使在公开道路部署前能够安全、可重复地测试罕见和危险场景。
阅读更多: M‑City digital twin upgrade
通过结合严格的统计验证、开源重建工具和认证检查，AV 生态系统正朝着更安全的大规模机器人出租车车队部署迈进。
Source:
接入 OpenUSD 与物理 AI 安全的世界
了解 OpenUSD、NVIDIA Halos 与物理 AI 安全的更多信息，请浏览以下资源：
- 观看 按需提供的 NVIDIA GTC 会议 “Reconstructing Reality: Simulating Indoor and Outdoor Environments for Physical AI”
- 访问 NVIDIA Halos AI 系统检查实验室 页面
- 关注 NVIDIA DRIVE 的 LinkedIn 时事通讯：“NVIDIA Safety in the Loop”。
- 阅读 企业博客解读： How AI Is Unlocking Level 4 Autonomy
- 开始 使用 Learn OpenUSD 课程（现已开源）
通过订阅 NVIDIA 新闻、加入 NVIDIA Omniverse 社区，并关注 NVIDIA Omniverse 的以下平台，保持最新动态：
分类与标签
分类：
标签：
- Cosmos
- Into the Omniverse
- NVIDIA Blueprints
- NVIDIA Isaac Sim
- NVIDIA Omniverse
- Physical AI
- Synthetic Data Generation
最近的 NVIDIA 新闻
| 图片 | 标题 |
|---|---|
 | UC San Diego 实验室使用 NVIDIA DGX B200 系统推进生成式 AI 研究 |
 | NVIDIA 收购开源工作负载管理提供商 SchedMD |
 | 如何在 NVIDIA GPU 上使用 Unsloth 微调大语言模型 (LLM) |
 | 为 AI 干杯：ADAM 机器人调酒师在拉斯维加斯金骑士赛现场调酒 |
 | 随着 AI 越来越复杂，模型构建者依赖 NVIDIA |
所有链接均在新标签页中打开。