機器人需求的日益增長，正以前所未有的規模推動對物理精確仿真的需求。通用場景描述（OpenUSD）是這一變革的關鍵，它為構建機器人可在其中學習的虛擬世界提供了強大的開源標準。

本文將探討借助OpenUSD提升機器人開發流程效率的三個實用方法，包括數據提取、數據聚合及 SimReady。

數據提取：拓展機器人生態系統

OpenUSD 日益擴展的數據源生態系統，涵蓋了常見的機器人仿真和數字內容創作（DCC）應用

數據導入功能將各類數據格式轉換到 OpenUSD 格式，使其成為接入NVIDIA Isaac Sim與 NVIDIA 機器人技術生態的入口。

現代機器人開發項目依賴于多種復雜的數據源，包括 CAD 文件、描述機器人運動學的 URDF 數據、以及實時傳感器和物聯網數據。OpenUSD 作為通用聚合平臺，能夠將這些異構數據整合為統一的格式，實現高效協同。

這種統一：

支持合成數據生成與機器人算法的軟件在環測試，以及基于如 Isaac Sim 和 NVIDIA Isaac Lab 框架的強化學習等高級工作流程。

通過構建通用的 USD 表示，加速開發進程，簡化從設計到 AI 訓練的完整工作流。

數據聚合：構建大規模虛擬世界

OpenUSD 提供了一個統一的舞臺，使物理系統的各個不同元素能夠在共享的虛擬環境中共存并相互交互

數據聚合采用 OpenUSD 的基于圖層的合成技術，將來自不同來源的模塊化、可復用資產整合為結構清晰、可擴展且高性能的虛擬世界。

OpenUSD 能夠在單一環境中管理數十萬個對象，從而實現大規模機器人仿真，讓機器人集群在逼真場景中進行訓練、測試與優化。通過構建模塊化、可復用的資產（如倉庫貨架或工業機器人），可構建出豐富的環境配置。這不僅能加速 AI 模型訓練，提升合成數據生成的多樣性，還能讓機器人在實際部署時具備更穩定、更靈活的性能。

SimReady：將機器人開發流程與更廣泛的生態系統相集成

SimReady 資產是指具有物理精確屬性（包括材質、運動學特性與行為模式）的物理真實的 OpenUSD 對象，能夠直接用于高真實度仿真、機器人開發、AI 訓練與數字孿生場景。

使用 SimReady 資產庫能夠簡化機器人開發流程，避免臨時構建 3D 模型常見的資源碎片化與兼容性問題。這種標準化特性支持資產在不同仿真運行時環境中實現互操作、復用與集成。SimReady 資產可直接在 Isaac Sim 等基于 OpenUSD 的框架中使用，省去耗時的資產準備與格式轉換工作。

光輪智能通過 simready.com 平臺提供豐富的 SimReady 資產庫，這些資產專為機器人學習、模仿學習以及視頻語言動作（VLA）等訓練方法優化，并兼容各類研究基準測試。借助 USD Search，開發者可根據顏色、運動學特性與物理數據輕松檢索所需 SimReady 資產。