適用于在數字孿生中測試機器人機隊的 NVIDIA Omniverse Blueprint 現已推出預覽版。

物理 AI 的進步使企業能夠將具身 AI 應用于整個運營過程，為全世界的工廠、倉庫和工業設施帶來空前的智能化、自動化和生產力水平。

物理 AI 正在成為當今工業運營不可或缺的一部分，例如與人類團隊并肩工作的人形機器人、在復雜倉庫環境中穿梭自如的自主移動機器人（AMR）、監控并優化整個設施的智能攝像頭和視覺 AI 智能體等。

適用于在數字孿生中測試多機器人機群的 Mega NVIDIA Omniverse Blueprint 現已推出預覽版，幫助工業企業加快物理 AI 的開發、測試和部署。

在德國舉行的漢諾威工業博覽會上，埃森哲和 Schaeffler 等制造、倉儲和供應鏈領域的龍頭企業展示了他們如何使用該藍圖對 Agility Robotics 的人形機器人——Digit 進行仿真，并探討如何使用工業 AI 和數字孿生優化復雜生產環境中的設施布局、物料流以及人與機器人之間的協作。

此外，Delta Electronics、羅克韋爾自動化、西門子等生態系統合作伙伴也在展會上宣布了與 NVIDIA Omniverse 和 NVIDIA AI 技術的進一步集成。

數字孿生——物理 AI 的訓練場

工業設施數字孿生是真實設施的物理精確虛擬復制品，是在部署前仿真和驗證物理 AI 以及機器人和自動駕駛車隊的交互、協作和處理復雜任務的重要試驗場。

開發者可以使用 NVIDIA Omniverse 平臺技術和通用場景描述（OpenUSD）框架開發其設施和流程的數字孿生。這種圍繞仿真的方法大大加快了開發周期，同時降低了在現實世界中測試所產生的成本和風險。

專為實現機器人和 AI 智能體的多樣性構建

工業企業可根據 Mega 藍圖提供的參考工作流，將傳感器仿真與合成數據生成相結合，從而對復雜的人機交互進行仿真并在工業數字孿生中驗證自主系統的性能。

企業可以使用 Mega 大規模測試各種機器人大腦和策略的移動性、導航能力、靈巧性和空間推理能力，使不同類型機器人所組成的機群能夠協同工作。

當在仿真中執行任務時，機器人大腦通過傳感器仿真感知行動結果并規劃下一步行動。如此循環往復，直到策略得到完善并且可以直接部署。

在通過驗證后，這些策略就會被部署到真實機器人上，而真實機器人會繼續從環境中學習并通過整個回路反饋傳感器信息，形成一個持續學習和改進的循環。

視覺 AI 智能體為工業運營帶來變革

與 AMR 和人形機器人一樣，先進的視覺 AI 智能體也能從實時和錄制視頻數據中提取信息，從而達到更高的智能化和自動化水平。這些視覺 AI 智能體使機器人能夠實時感知情境，并且有助于提高工作者安全、保持倉庫的合規性、提升視覺檢測能力和大幅提高空間利用率。

為幫助開發者構建可與 Mega 藍圖集成的視覺 AI 智能體，NVIDIA 去年發布了適用于視頻搜索和摘要（VSS）的藍圖。在漢諾威工業博覽會上，各個伙伴將展示他們如何使用 VSS 藍圖提高生產力和運營效率。

按下工業數字化的加速鍵

工業世界正在向軟件定義轉型，視覺 AI 智能體和數字孿生已成為物理 AI 的訓練場。

在漢諾威工業博覽會上加入 NVIDIA 及其合作伙伴的行列，了解 NVIDIA“三臺計算機”解決方案驅動的 AI 智能體和實時仿真如何重塑工業工作流，提高制造業的創新力、自動化水平和效率。