Omniverse'i teegid: füüsilise tehisintellekti integreerimine olemasolevatesse rakendustesse

NVIDIA Omniverse'i teegid avalikustati: füüsilise tehisintellekti integreerimise võimestamine

GTC 2026 konverentsil teatas NVIDIA oma Omniverse'i platvormi olulisest arengust, tutvustades modulaarset, teegipõhist arhitektuuri, mis on loodud täiustatud füüsilise tehisintellekti võimekuste sujuvaks integreerimiseks olemasolevatesse rakendustesse. See paradigma muutus lahendab kriitilise vajaduse tööstus- ja robootikaarenduses, kus monoliitsed käituskeskkonnad takistavad sageli skaleeritavust, peata juurutamist ja integreerimist väljakujunenud CI/CD süsteemidega. Eksponeerides Omniverse'i põhikomponente – RTX renderdamist, PhysX-põhist simulatsiooni ja andmesalvestustorusid – eraldiseisvate C API-dena koos C++ ja Pythoni sidemetega, võimaldab NVIDIA arendajatel manustada võimsaid reaalajas digitaalse kaksiku ja füüsilise tehisintellekti funktsioone ilma täieliku arhitektuurilise ümberkorralduseta. See modulaarsus demokratiseerib juurdepääsu ülitäpsele simulatsioonile, muutes füüsilise tehisintellekti saavutatavaks reaalsuseks laiemale ettevõtete ringile.

Füüsiline tehisintellekt, mis on määratletud kui tehisintellektisüsteemid, mis tajuvad, mõtlevad ja tegutsevad füüsiliselt maandatud simuleeritud keskkondades, muudab kiiresti seda, kuidas tööstusharud keerulisi süsteeme disainivad ja valideerivad. Alates robotkäe liigutustest kuni tervete tehasepaigutusteni vähendab tehisintellekti poliitikate treenimine ja valideerimine digitaalse kaksiku keskkonnas drastiliselt kulusid ja kiirendab arendustsükleid. Uued Omniverse'i teegid, sealhulgas 'ovrtx', 'ovphysx' ja 'ovstorage', on selle transformatsiooni nurgakiviks, võimaldades ettevõtetel rikastada oma patenteeritud tarkvara NVIDIA tipptasemel simulatsioonitehnoloogiaga.

Modulaarne arhitektuur sujuvaks füüsilise tehisintellekti integreerimiseks

Teegipõhise arhitektuuri kasutuselevõtt muudab põhjalikult seda, kuidas arendajad NVIDIA Omniverse'i ökosüsteemiga suhtlevad. Selle asemel, et võtta kasutusele terviklik rakendusraamistik, saavad meeskonnad nüüd valikuliselt kutsuda Omniverse'i renderdamise, füüsika ja salvestusruumi API-sid otse oma protsessidest ja teenustest. See lähenemine välistab raamistiku sidumisega, kasutajaliidese sõltuvustega ja arhitektuurilise jäikusega seotud väljakutsed, mis sageli kaasnevad suuremahuliste tarkvaralahenduste kasutuselevõtuga.

See modulaarne disain on eriti kasulik arendajatele, kellel on juba olemasolevad tarkvaravirnad, võimaldades neil kasutada Omniverse'i võimsaid võimalusi ilma häirivate arhitektuuriliste ümberkirjutamiseta. Teegid on loodud peata juurutamiseks, tagades optimaalse jõudluse ja skaleeritavuse nõudlikele tööstus- ja robootikarakendustele. See NVIDIA strateegiline samm rõhutab pühendumust paindlikkusele ja arendajakesksetele lahendustele, positsioneerides Omniverse'i kohandatava tööriistakomplektina tehisintellekti tulevikuks.

Omniverse'i põhiteegid: ovrtx, ovphysx ja ovstorage

Äsja avalikustatud teegid pakuvad erinevaid, kuid omavahel seotud funktsioone, millest igaüks on loodud lahendama spetsiifilisi integreerimisprobleeme tööstusliku tarkvara arendamisel. Nad kasutavad olemasolevaid Omniverse'i komponente, nagu OpenUSD stseenikirjelduste jaoks ja SimReady varasid kvaliteetsete simulatsioonikeskkondade jaoks, tagades ühtse ja võimsa arenduskogemuse.

Teek	Peamised võimekused	Insenerimõju
ovrtx	Ülitäpne, suure jõudlusega reaalajas teekonna jälgimine ja sensorite simulatsioon	Integreerib tipptasemel RTX renderdamise otse olemasolevatesse rakendustesse, võimaldades multimodaalset robootika tajumist, täiustatud sünteetiliste andmete genereerimist ning ülitäpset visuaalset tagasisidet digitaalsetele kaksikutele ja simuleeritud keskkondadele.
ovphysx	Kiire, USD-põhine füüsikasimulatsioon	Lisab rakendustele kerge, riistvaraliselt kiirendatud füüsikasimulatsiooni, hõlbustades kiiret andmevahetust robootika treeninguks, reaalajas juhtimissüsteemide integreerimist ja täpseid füüsilisi interaktsioone keerulistes tööstusstsenaariumides.
ovstorage	Ühtsed füüsilise tehisintellekti andmetorud	Ühendab olemasoleva salvestus- ja PLM/PDM-infrastruktuuri otse Omniverse'i ökosüsteemiga API-põhise teegi kaudu. See võimaldab suuremahulist hajutatud andmehaldust ja suurt jõudlust, vältides kriitiliselt kulukaid ja aeganõudvaid käsitsi andmete migratsioone ettevõtte tasandi juurutuste puhul.

Need teegid on praegu varases ligipääsus GitHubis ja NGC-s, kus NVIDIA kogub aktiivselt tagasisidet ja plaanib selle aasta lõpus välja anda API stabiilsusega tootmisversiooni. Sisetestid suure jõudlusega süsteemides, nagu NVIDIA Isaac Lab ja Omniverse DSX Blueprint, tagavad, et need vastavad rangetele ettevõtte nõudmistele enne üldist kättesaadavust.

Agentide orkestreerimine mudelikonteksti protokolliga (MCP)

Nende teekide kasulikkuse edasiseks suurendamiseks, eriti tehisintellekti agentide areneval alal, tutvustab Omniverse võimekusi agentide orkestreerimiseks mudelikonteksti protokolli (MCP) serverite kaudu. Need serverid on loodud selleks, et muuta simulatsioon LLM-põhiste agentide jaoks kasutatavaks, kirjeldades toiminguid – nagu USD-stseenide laadimine, prims-ide muutmine või simulatsioonide sammude tegemine – masinloetavas skeemas. See võimaldab tehisintellekti tööriistadel, nagu arenenud LLM-idel, Omniverse'i funktsioone ohutult ja tõhusalt kutsuda.

Näiteks Kit USD agendid on Kit, USD ja OmniUI MCP-serverite kogum, mis võimaldab agentidel sirvida API-sid, genereerida stseenikoodi ja manipuleerida kasutajaliidese elemente või kihihierarhiaid kõrgetasemeliste tekstikirjelduste alusel. See annab arendajatele võimaluse määratleda keerukaid agentkäitumisi ja piiranguid, leevendades iga simulatsiooni API kutse käsitsi ühendamise keerukust. Nende täiustatud töövoogude skaleerimiseks saavad arendajad kasutada NemoClaw-i, OpenClaw kogukonna infrastruktuurivirna, mis juurutab turvalisi, autonoomseid agente isoleeritud, poliitikaga kaitstud liivakastides. See arendus sillutab teed üha autonoomsematele ja intelligentsematele simulatsioonikeskkondadele, kiirendades keeruliste füüsilise tehisintellekti süsteemide arendamist ja toetades võimsaid evaluating-ai-agents-for-production-a-practical-guide-to-strands-evals.

Kiirkäivitus Dockeriga MCP-serverite jaoks lihtsustab juurutamist, võimaldades arendajatel kasutada NVIDIA pilvepõhiseid manustamise ja ümberjärjestamise teenuseid ilma kohalike GPU-deta, vajades vaid NVIDIA API võtit.

Juhtumiuuring: NVIDIA Isaac Labi optimeerimine modulaarsete teekidega

Selle modulaarse lähenemise praktilisi eeliseid demonstreerib ilmekalt NVIDIA Isaac Labi pidev inseneriline areng. Kuna Isaac Lab on tugevdamisõppeks (reinforcement learning) kriitilise tähtsusega suure jõudlusega robootika simulatsiooniraamistik, nõuab see äärmist skaleeritavust ja deterministlikku kontrolli.

Isaac Lab 3.0 beetaversiooniga on NVIDIA edukalt üle viinud oma põhikihid traditsioonilisest monoliitsest Kit raamistikust mitme taustasüsteemiga modulaarsele arhitektuurile. See võimaldab arendajatel valida 'ovphysx' – iseseisva teegi, mis pakendab PhysX SDK-d – või Kit-ita Newtoni taustasüsteemi, mis on toetatud MuJoCo-Warpiga, olenevalt nende spetsiifilistest simulatsioonivajadustest. Sarnaselt on renderdamispoolel nüüd pistikprogrammidel põhinev süsteem, mis toetab OVRTX-i, Isaac RTX-i, Newton Warpi ja kergekaalulisi visualiseerijaid nagu Rerun ja Viser. See paindlikkus tagab, et Isaac Lab suudab rahuldada robootikauurijate ja inseneride nõudlikke vajadusi, pakkudes selget täitmiskontrolli, deterministlikku simulatsiooni ja suure tihedusega, peata füüsika võimekusi, mis on tipptasemel tehisintellekti arendamiseks kriitilise tähtsusega. Selline kontrollitase on oluline tugevate accelerate-token-production-in-ai-factories-using-unified-services-and-real-time-ai loomiseks.

Füüsilise tehisintellekti integreerimise tulevik

NVIDIA Omniverse'i teekide väljaandmine tähistab pöördelist hetke tööstus- ja robootikaettevõtete jaoks. Pakkudes detailset, suure jõudlusega teed füüsilise tehisintellekti võimekuste integreerimiseks, annab NVIDIA ettevõtetele võimaluse kiirendada oma digitaalse transformatsiooni teekonda. Tööstusharude liidrid nagu ABB Robotics, PTC, Siemens ja Synopsys katsetavad juba neid teeke, integreerides täiustatud simulatsiooni ja digitaalsete kaksikute loomise oma olemasolevatesse PLM/PDM- ja CI/CD-süsteemidesse. See laialdane kasutuselevõtt annab märku selgest suundumusest paindlikumate, skaleeritavamate ja intelligentsemate arendustöövoogude poole, kus füüsiline tehisintellekt ei ole enam pelgalt pürgimus, vaid ligipääsetav, integreeritud reaalsus. Kuna need teegid liiguvad üldise kättesaadavuse poole, lubavad need avada enneolematuid innovatsioonitasemeid disaini, inseneritöö ja tootmise valdkondades.

Algallikas

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

Korduma kippuvad küsimused

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.

Püsige kursis

Saage värskeimad AI uudised oma postkasti.

Jaga