Knihovny Omniverse: Integrace fyzické umělé inteligence do stávajících aplikací

Knihovny NVIDIA Omniverse odhaleny: Posílení integrace fyzické AI

Na GTC 2026 NVIDIA oznámila významný vývoj své platformy Omniverse, představující modulární architekturu založenou na knihovnách, navrženou pro bezproblémovou integraci pokročilých fyzických schopností AI do stávajících aplikací. Tento posun paradigmatu řeší kritickou potřebu v průmyslovém a robotickém vývoji, kde monolitické runtime prostředí často brání škálovatelnosti, bezhlavému nasazení (headless deployment) a integraci se zavedenými CI/CD systémy. Zpřístupněním základních komponent Omniverse – vykreslování RTX, simulace založené na PhysX a datových toků pro ukládání – jako samostatných C API s vazbami pro C++ a Python, NVIDIA umožňuje vývojářům integrovat výkonné funkce digitálních dvojčat v reálném čase a fyzické AI, aniž by vyžadovala kompletní architektonickou přestavbu. Tato modularita demokratizuje přístup k vysoce věrné simulaci a činí fyzickou AI dosažitelnou realitou pro širší spektrum podniků.

Fyzická AI, definovaná jako systémy AI, které vnímají, uvažují a jednají ve fyzicky uzemněných simulovaných prostředích, rychle transformuje způsob, jakým průmysl navrhuje a ověřuje složité systémy. Od pohybů robotických ramen po celé rozvržení továren, trénink a ověřování politik AI v prostředí digitálního dvojčete drasticky snižuje náklady a zrychluje vývojové cykly. Nové knihovny Omniverse, včetně 'ovrtx', 'ovphysx' a 'ovstorage', se stanou základním kamenem této transformace, umožňující podnikům naplnit jejich proprietární software špičkovou simulační technologií NVIDIA.

Modulární architektura pro bezproblémovou integraci fyzické AI

Zavedení architektury založené na knihovnách zásadně mění způsob, jakým vývojáři interagují s ekosystémem NVIDIA Omniverse. Namísto přijímání komplexního aplikačního frameworku mohou nyní týmy selektivně volat API Omniverse pro vykreslování, fyziku a ukládání přímo ze svých vlastních procesů a služeb. Tento přístup eliminuje problémy spojené se závislostí na frameworku, závislostmi na uživatelském rozhraní a architektonickou rigiditou, které často doprovázejí rozsáhlé softwarové adopce.

Tento modulární design je obzvláště přínosný pro vývojáře se zavedenými softwarovými zásobníky, což jim umožňuje využívat výkonné schopnosti Omniverse bez rušivých architektonických přepisů. Knihovny jsou navrženy pro nasazení v bezhlavém režimu (headless-first deployment), což zajišťuje optimální výkon a škálovatelnost pro náročné průmyslové a robotické aplikace. Tento strategický krok společnosti NVIDIA podtrhuje závazek k flexibilitě a řešením zaměřeným na vývojáře, čímž se Omniverse stává adaptabilní sadou nástrojů pro budoucnost AI.

Základní knihovny Omniverse: ovrtx, ovphysx a ovstorage

Nově oznámené knihovny poskytují odlišné, avšak vzájemně propojené schopnosti, z nichž každá je navržena tak, aby řešila specifické integrační výzvy v oblasti vývoje průmyslového softwaru. Využívají stávající komponenty Omniverse, jako je OpenUSD pro popis scény a SimReady assety pro vysoce kvalitní simulační prostředí, což zajišťuje soudržný a výkonný vývojový zážitek.

Knihovna	Klíčové schopnosti	Technologický dopad
ovrtx	Vysoce věrné, vysoce výkonné sledování cest v reálném čase a simulace senzorů	Integruje nejmodernější vykreslování RTX přímo do stávajících aplikací, což umožňuje multimodální vnímání robotiky, pokročilou generaci syntetických dat a vysoce realistickou vizuální zpětnou vazbu pro digitální dvojčata a simulovaná prostředí.
ovphysx	Vysokorychlostní, USD-nativní simulace fyziky	Přidává lehkou, hardwarově akcelerovanou simulaci fyziky do aplikací, usnadňuje vysokorychlostní výměnu dat pro trénink robotiky, integraci řídicích smyček v reálném čase a přesné fyzické interakce ve složitých průmyslových scénářích.
ovstorage	Jednotné datové toky fyzické AI	Propojuje stávající úložnou a PLM/PDM infrastrukturu přímo s ekosystémem Omniverse prostřednictvím knihovny řízené API. To umožňuje rozsáhlou distribuovanou správu dat a vysoký výkon, čímž se zásadně předchází nákladným a časově náročným ručním migracím dat pro nasazení na podnikové úrovni.

Tyto knihovny jsou v současné době v raném přístupu na GitHubu a NGC, přičemž NVIDIA aktivně sbírá zpětnou vazbu a plánuje produkční vydání se stabilitou API později v letošním roce. Interní testování ve vysoce výkonných zásobnících, jako je NVIDIA Isaac Lab a Omniverse DSX Blueprint, zajišťuje, že splňují přísné podnikové požadavky před obecnou dostupností.

Agentní orchestrace s protokolem Model Context Protocol (MCP)

Pro další zvýšení užitečnosti těchto knihoven, zejména v rozvíjející se oblasti agentů AI, Omniverse zavádí schopnosti pro agentní orchestraci prostřednictvím serverů Model Context Protocol (MCP). Tyto servery jsou navrženy tak, aby simulace byly použitelné pro agenty založené na LLM, a to popisem operací – jako je načítání USD scén, úpravy primů nebo krokování simulací – ve strojově čitelném schématu. To umožňuje nástrojům AI, jako jsou pokročilé LLM, bezpečně a efektivně volat funkce Omniverse.

Například agenti Kit USD jsou sbírkou MCP serverů pro Kit, USD a OmniUI, umožňující agentům procházet API, generovat kód scény a manipulovat s prvky uživatelského rozhraní nebo hierarchiemi vrstev na základě textových popisů na vysoké úrovni. To umožňuje vývojářům definovat sofistikované chování agentů a bezpečnostní zábradlí, čímž se odlehčuje složitost ručního propojování každého volání simulačního API. Pro škálování těchto pokročilých pracovních postupů mohou vývojáři využít NemoClaw, což je infrastruktura pro komunitu OpenClaw, která nasazuje zabezpečené, autonomní agenty v izolovaných, politikou chráněných sandboxech. Tento vývoj připravuje cestu pro stále autonomnější a inteligentnější simulační prostředí, urychluje vývoj komplexních fyzických systémů AI a podporuje výkonné vyhodnocování-ai-agentů-pro-produkci-praktický-průvodce-strands-evals.

Rychlý start s Dockerem pro servery MCP zjednodušuje nasazení a umožňuje vývojářům využívat cloudové služby embedderu a rerankeru společnosti NVIDIA bez lokálních GPU, přičemž je vyžadován pouze API klíč NVIDIA.

Případová studie: Optimalizace NVIDIA Isaac Lab s modulárními knihovnami

Praktické výhody tohoto modulárního přístupu názorně demonstruje probíhající inženýrský vývoj NVIDIA Isaac Lab. Jako vysoce výkonný rámec pro simulaci robotiky, kritický pro posilované učení (RL), vyžaduje Isaac Lab extrémní škálovatelnost a deterministické řízení.

S Isaac Lab 3.0 Beta přešla NVIDIA úspěšně se svou základní vrstvou od tradičního monolitického frameworku Kit k vícebackendové modulární architektuře. To umožňuje vývojářům volit mezi 'ovphysx' – samostatnou knihovnou obalující SDK PhysX – nebo backendem Newton bez Kitu poháněným MuJoCo-Warp, v závislosti na jejich specifických simulačních požadavcích. Podobně strana vykreslování nyní disponuje zásuvným systémem podporujícím OVRTX, Isaac RTX, Newton Warp a lehké vizualizéry jako Rerun a Viser. Tato flexibilita zajišťuje, že Isaac Lab může splňovat náročné potřeby výzkumníků a inženýrů v robotice, poskytující explicitní kontrolu provádění, deterministickou simulaci a vysokou hustotu, bezhlavé (headless) fyzikální schopnosti, které jsou klíčové pro špičkový vývoj AI. Tato úroveň kontroly je nezbytná pro vytváření robustních zrychlení-produkce-tokenů-v-ai-továrnách-pomocí-jednotných-služeb-a-ai-v-reálném-čase.

Budoucnost integrace fyzické AI

Vydání knihoven NVIDIA Omniverse představuje klíčový okamžik pro průmyslové a robotické podniky. Nabídkou granulární, vysoce výkonné cesty k integraci fyzických schopností AI, NVIDIA posiluje společnosti, aby urychlily svou cestu digitální transformace. Lídři průmyslu jako ABB Robotics, PTC, Siemens a Synopsys již tyto knihovny testují, integrují pokročilou simulaci a tvorbu digitálních dvojčat do svých stávajících PLM/PDM a CI/CD systémů. Toto široké přijetí signalizuje jasný trend směrem k flexibilnějším, škálovatelnějším a inteligentnějším vývojovým pracovním postupům, kde fyzická AI není jen aspirací, ale dostupnou, integrovanou realitou. Jak se tyto knihovny budou blížit k obecné dostupnosti, slibují odemknout bezprecedentní úrovně inovací napříč designem, inženýrstvím a výrobou.

Původní zdroj

https://developer.nvidia.com/blog/integrate-physical-ai-capabilities-into-existing-apps-with-nvidia-omniverse-libraries/

Často kladené dotazy

What are NVIDIA Omniverse libraries and what problem do they solve for developers?

NVIDIA Omniverse libraries represent a new, modular architecture that exposes core Omniverse components like RTX rendering (ovrtx), PhysX-based simulation (ovphysx), and data storage pipelines (ovstorage) as standalone C APIs with C++ and Python bindings. This approach allows developers to integrate specific, high-fidelity physical AI capabilities directly into their existing industrial and robotics software stacks without the need to adopt the entire Omniverse platform. This solves the challenge of monolithic runtimes, enabling better scalability, headless deployment, and seamless integration with existing CI/CD systems and application frameworks, significantly reducing the need for extensive architectural rewrites.

How do 'ovrtx', 'ovphysx', and 'ovstorage' enhance existing applications with physical AI capabilities?

The trio of 'ovrtx', 'ovphysx', and 'ovstorage' offers distinct yet complementary functionalities for physical AI integration. 'ovrtx' provides high-fidelity, real-time path-traced rendering and sensor simulation, crucial for multimodal robotics perception and synthetic data generation. 'ovphysx' delivers high-speed, USD-native physics simulation, essential for robotics training and real-time control loops. 'ovstorage' establishes unified physical AI data pipelines, allowing seamless connection of existing PLM/PDM infrastructure to Omniverse, facilitating large-scale distributed data management and avoiding costly manual data migrations. Together, these libraries enable granular, performant integration of advanced simulation and data management.

What is the Model Context Protocol (MCP) and how does it facilitate agentic orchestration within Omniverse?

The Model Context Protocol (MCP) is a crucial mechanism within Omniverse that enables LLM-based agents to interact with and orchestrate physical AI simulations. MCP servers describe operations (e.g., loading USD scenes, editing prims, stepping simulation) in a machine-readable schema. This allows intelligent agents, powered by large language models, to browse available APIs, generate scene code, and manipulate simulation elements based on high-level descriptions. By handling the low-level remote procedure calls (RPCs) to Omniverse, MCP empowers developers to focus on defining sophisticated agent behaviors and guardrails, significantly scaling and automating complex simulation workflows for physical AI.

How has NVIDIA Isaac Lab benefited from the transition to a modular, library-based architecture?

NVIDIA Isaac Lab, a high-performance robotics simulation framework for reinforcement learning, has significantly benefited from transitioning to a modular architecture powered by ovphysx and ovrtx in its 3.0 Beta release. This shift enables explicit execution control, deterministic simulation, and the ability to run high-density, headless physics without reliance on UI dependencies. Developers now have the flexibility to choose between 'ovphysx' or a Kit-less Newton backend based on their simulation needs and can leverage a pluggable renderer system that supports OVRTX, Isaac RTX, and other visualizers. This modularity ensures Isaac Lab meets the extreme scalability and deterministic control requirements for advanced robotics training.

Which major industrial companies are currently piloting NVIDIA Omniverse libraries and for what purposes?

Leading industrial companies such as ABB Robotics, PTC, Siemens, and Synopsys are currently piloting NVIDIA Omniverse libraries. These companies are leveraging the modular architecture to integrate high-fidelity simulation, create advanced digital twins, and enable scalable physical AI capabilities directly within their existing design, engineering, and manufacturing workflows. This allows them to validate robot designs, optimize industrial systems, and enhance product lifecycle management (PLM/PDM) and continuous integration/continuous deployment (CI/CD) systems, all before physical prototypes are ever built, signaling a significant shift towards AI-driven industrial transformation.

What are the immediate benefits of using Omniverse libraries compared to the full Omniverse container stack for existing applications?

The immediate benefits of using Omniverse libraries over the full container stack for existing applications include significantly reduced architectural friction and faster integration. Developers can selectively embed specific Omniverse capabilities—like advanced rendering or physics simulation—into their current software without undergoing major overhauls. This approach allows for headless deployment, better scalability of simulations, and direct tensorized data exchange. It addresses previous bottlenecks such as framework lock-in, UI dependencies, and architectural rigidity, offering a streamlined path to leveraging NVIDIA's powerful physical AI technologies within established industrial and robotics ecosystems.

Buďte v obraze

Dostávejte nejnovější AI zprávy do schránky.

Sdílet