“洞悉 Omniverse”系列文章將重點介紹藝術家、開發者和企業如何使用通用場景描述和 NVIDIA Omniverse 的最新技術改變其工作流程。

OpenUSD 和 Mega Omniverse Blueprint 幫助實現工業設施數字孿生中的機器人機群仿真。

工業 AI 和物理 AI 能夠簡化工作流，企業紛紛開始探尋這兩項技術最有效的使用方式。

企業在工廠及其他制造設施等工業環境中擴展 AI 時會遇到一些特殊的挑戰，例如分散的數據管線、孤立的工具以及需要進行實時、高保真的仿真。

Mega NVIDIA Omniverse Blueprint能夠幫助企業解決這些問題，其所提供的可擴展參考工作流可在工業設施數字孿生中對多機器人機群進行仿真，包括使用NVIDIA Omniverse平臺構建的數字孿生。

埃森哲、Foxconn、Kenmec、KION、Pegatron 等工業 AI 領域的領先企業正在使用該藍圖推動物理 AI 的應用并構建能夠在工業環境中高效執行操作的自主系統。

該藍圖在通用場景描述（OpenUSD）框架的基礎上構建而成，通過統一各種數據源和提高仿真保真度，實現數據無縫互操作、實時協作以及 AI 驅動的決策。

行業領導者采用 Mega Blueprint

在漢諾威工業博覽會上，埃森哲與領先的運動技術公司舍弗勒展示了使用 Mega 藍圖對包括通用人形機器人在內的機器人機群進行測試，比如讓 Agility Robotics 的 Digit 在集中揀貨區和調試區搬運物料。

由舍弗勒、埃森哲、Agility Robotics 提供

供應鏈解決方案公司 KION 與埃森哲正在使用 Mega 優化倉庫和配送流程。

在 3 月舉行的 NVIDIA GTC 全球 AI 峰會上，來自埃森哲和 Foxconn 的代表討論了 Mega 為其工業 AI 工作流帶來的影響。

使用 Mega 加速工業 AI

Mega NVIDIA Omniverse Blueprint 架構圖

借助 Mega 藍圖，開發者可通過以下方式加速物理 AI 工作流：

機器人機群仿真：在安全的虛擬環境中測試和訓練各種機器人機群，確保它們能夠無縫協作。

數字孿生：在實際部署前，使用數字孿生對自主系統進行仿真和優化。

傳感器仿真和合成數據生成：生成逼真的傳感器數據，用于確保機器人能夠準確感知現實環境并作出響應。

設施和機群管理系統集成：通過連接機器人機群與管理系統，實現高效編排和優化。

容器化的機器人大腦：使用即插即用的便攜式模塊實現機器人性能的一致性并簡化管理。

使用 OpenUSD 的世界仿真器：使用 NVIDIA Omniverse 和 OpenUSD 在高度逼真的虛擬環境中對工業設施進行仿真。

Omniverse Cloud 傳感器 RTX API：使用 NVIDIA Omniverse Cloud 應用編程接口確保傳感器仿真的精確性，從而創建詳細的工業設施虛擬復制品。

調度器：使用內置調度器管理復雜的任務和數據依賴關系，實現流暢、高效的運行。

視頻分析 AI 智能體：集成使用適用于視頻搜索和匯總（VSS）的 NVIDIA AI Blueprint 構建的 AI 智能體，以便利用 NVIDIA Metropolis 獲得更強大的運營洞察。

最新發布的 Omniverse Kit SDK 107 新版本加入了針對機器人應用開發的重大更新以及 RTX Real-Time 2.0 等增強仿真功能，幫助加速工業 AI 的發展。