Mga Librarya ng Omniverse: Pagsasama ng Pisikal na AI para sa mga Umiiral na App

Inihayag ang mga Librarya ng NVIDIA Omniverse: Nagbibigay-Kapangyarihan sa Integrasyon ng Pisikal na AI

Sa GTC 2026, inanunsyo ng NVIDIA ang isang makabuluhang ebolusyon para sa Omniverse platform nito, ipinakilala ang isang modular, library-based na arkitektura na idinisenyo upang walang putol na isama ang mga advanced na kakayahan ng pisikal na AI sa mga umiiral na aplikasyon. Tinutugunan ng pagbabagong ito ng paradigma ang isang kritikal na pangangailangan sa pagpapaunlad ng industriyal at robotics, kung saan ang mga monolithic runtimes ay madalas na humahadlang sa scalability, headless deployment, at integrasyon sa mga itinatag na CI/CD system. Sa pamamagitan ng paglalantad ng mga pangunahing bahagi ng Omniverse—pag-render ng RTX, simulasyon na nakabatay sa PhysX, at mga data storage pipeline—bilang standalone na C APIs na may C++ at Python bindings, binibigyan ng NVIDIA ng kapangyarihan ang mga developer na isama ang malalakas na real-time na digital twin at physical AI functionalities nang hindi nangangailangan ng kumpletong architectural overhaul. Ang modularity na ito ay nagpapadali sa pag-access sa high-fidelity simulation, na ginagawang isang makakamit na realidad ang pisikal na AI para sa mas malawak na hanay ng mga negosyo.

Ang Pisikal na AI, na tinukoy bilang mga AI system na nakakakita, nangangatwiran, at kumikilos sa loob ng pisikal na nakabatay sa simulate na kapaligiran, ay mabilis na nagbabago kung paano idinisenyo at ini-validate ng mga industriya ang mga kumplikadong sistema. Mula sa paggalaw ng robotic arm hanggang sa buong layout ng pabrika, ang pagsasanay at pag-validate ng mga patakaran ng AI sa isang digital twin na kapaligiran ay lubos na nagpapababa ng mga gastos at nagpapabilis ng mga development cycle. Ang mga bagong librarya ng Omniverse, kabilang ang 'ovrtx', 'ovphysx', at 'ovstorage', ay itinakdang maging pundasyon ng pagbabagong ito, na nagpapahintulot sa mga negosyo na isama ang kanilang proprietary software sa makabagong simulation technology ng NVIDIA.

Modular na Arkitektura para sa Walang Putol na Integrasyon ng Pisikal na AI

Ang pagpapakilala ng library-first na arkitektura ay mahalagang nagbabago kung paano nakikipag-ugnayan ang mga developer sa NVIDIA Omniverse ecosystem. Sa halip na gumamit ng komprehensibong application framework, ang mga koponan ay maaari nang piling tumawag sa Omniverse rendering, physics, at storage APIs direkta mula sa kanilang sariling mga proseso at serbisyo. Inaalis ng diskarteng ito ang mga hamon na nauugnay sa framework lock-in, mga dependency ng UI, at architectural rigidity na madalas na kasama ng malakihang paggamit ng software.

Ang modular na disenyo na ito ay partikular na kapaki-pakinabang para sa mga developer na may itinatag na software stacks, na nagpapahintulot sa kanila na magamit ang makapangyarihang kakayahan ng Omniverse nang walang nakakagambalang architectural rewrites. Ang mga librarya ay inhenyero para sa headless-first deployment, tinitiyak ang pinakamainam na performance at scalability para sa mga hinihinging industrial at robotics na aplikasyon. Ang estratehikong hakbang na ito ng NVIDIA ay nagpapatunay ng pangako sa flexibility at developer-centric na solusyon, na nagpoposisyon sa Omniverse bilang isang adaptable toolset para sa hinaharap ng AI.

Ang Mga Pangunahing Librarya ng Omniverse: ovrtx, ovphysx, at ovstorage

Ang mga bagong inihayag na librarya ay nagbibigay ng natatangi ngunit magkakaugnay na mga kakayahan, bawat isa ay idinisenyo upang lutasin ang mga partikular na hamon sa integrasyon sa pagpapaunlad ng software ng industriya. Ginagamit nila ang mga umiiral na bahagi ng Omniverse tulad ng OpenUSD para sa paglalarawan ng eksena at SimReady assets para sa mataas na kalidad na simulation environment, tinitiyak ang isang cohesive at makapangyarihang karanasan sa pagpapaunlad.

Library	Mga Pangunahing Kakayahan	Epekto sa Inhenyeria
ovrtx	High-fidelity, high-performance real-time path-tracing at sensor simulation	Isinasama ang state-of-the-art na pag-render ng RTX direkta sa mga umiiral na aplikasyon, na nagbibigay-daan sa multimodal robotics perception, advanced synthetic data generation, at lubhang makatotohanang visual feedback para sa mga digital na kambal at simulate na kapaligiran.
ovphysx	High-speed, USD-native physics simulation	Nagdaragdag ng lightweight, hardware-accelerated physics simulation sa mga aplikasyon, pinapabilis ang high-speed data exchange para sa pagsasanay ng robotics, real-time control-loop integration, at tumpak na pisikal na interaksyon sa mga kumplikadong sitwasyon ng industriya.
ovstorage	Pinag-isang data pipeline ng pisikal na AI	Kinokonekta ang umiiral na storage at PLM/PDM infrastructure direkta sa Omniverse ecosystem sa pamamagitan ng isang API-driven na librarya. Nagbibigay-daan ito sa large-scale distributed data management at high performance, kritikal na iniiwasan ang magastos at matagal na manual data migrations para sa enterprise-level deployments.

Ang mga librarya na ito ay kasalukuyang nasa early access sa GitHub at NGC, na aktibong nangongolekta ng feedback ang NVIDIA at nagpaplano ng production release na may API stability sa huling bahagi ng taong ito. Tinitiyak ng internal testing sa mga high-performance stacks tulad ng NVIDIA Isaac Lab at ng Omniverse DSX Blueprint na natutugunan nila ang mahigpit na pangangailangan ng enterprise bago ang pangkalahatang availability.

Orchestration ng Ahente gamit ang Model Context Protocol (MCP)

Upang higit na mapahusay ang utility ng mga librarya na ito, partikular sa umuusbong na larangan ng mga AI agent, ipinakilala ng Omniverse ang mga kakayahan para sa agentic orchestration sa pamamagitan ng Model Context Protocol (MCP) servers. Ang mga server na ito ay idinisenyo upang gawing magagamit ang simulation mula sa mga LLM-based na ahente sa pamamagitan ng paglalarawan ng mga operasyon—tulad ng paglo-load ng mga USD scene, pag-edit ng mga prim, o pagpapatakbo ng mga simulation—sa isang machine-readable schema. Nagbibigay-daan ito sa mga tool ng AI, tulad ng mga advanced na LLM, na ligtas at epektibong tumawag sa mga functionality ng Omniverse.

Ang Kit USD agents, halimbawa, ay isang koleksyon ng mga MCP server para sa Kit, USD, at OmniUI, na nagbibigay-daan sa mga ahente na mag-browse ng mga API, bumuo ng scene code, at manipulahin ang mga elemento ng UI o mga hierarchy ng layer batay sa mga high-level na textual na paglalarawan. Binibigyan nito ng kapangyarihan ang mga developer na tukuyin ang mga sopistikadong gawi ng ahente at mga guardrail, na inaalis ang kumplikasyon ng pag-manual na pag-configure ng bawat tawag sa simulation API. Para sa pag-scale ng mga advanced na workflow na ito, maaaring gamitin ng mga developer ang NemoClaw, isang infrastructure stack para sa komunidad ng OpenClaw na nagde-deploy ng secure, autonomous na mga ahente sa loob ng mga isolated, policy-protected na sandbox. Ang pagpapaunlad na ito ay nagbibigay-daan sa lalong autonomous at intelligent na simulation environment, pinapabilis ang pagbuo ng mga kumplikadong pisikal na AI system at sumusuporta sa makapangyarihang evaluating-ai-agents-for-production-a-practical-guide-to-strands-evals.

Pinapasimple ng quick start sa Docker para sa mga MCP server ang deployment, na nagpapahintulot sa mga developer na gamitin ang cloud-hosted embedder at reranker services ng NVIDIA nang walang lokal na GPU, na nangangailangan lamang ng isang NVIDIA API key.

Case Study: Pag-optimize ng NVIDIA Isaac Lab gamit ang Modular na Librarya

Ang praktikal na benepisyo ng modular na diskarteng ito ay malinaw na ipinapakita ng patuloy na ebolusyon ng inhenyeria ng NVIDIA Isaac Lab. Bilang isang high-performance robotics simulation framework na kritikal para sa reinforcement learning (RL), nangangailangan ang Isaac Lab ng matinding scalability at deterministic control.

Sa Isaac Lab 3.0 Beta, matagumpay na nailipat ng NVIDIA ang foundational layer nito mula sa tradisyonal na monolithic Kit framework patungo sa isang multi-backend modular na arkitektura. Nagbibigay-daan ito sa mga developer na pumili sa pagitan ng 'ovphysx'—isang standalone na librarya na bumabalot sa PhysX SDK—o isang Kit-less Newton backend na pinapagana ng MuJoCo-Warp, depende sa kanilang mga partikular na kinakailangan sa simulation. Katulad nito, ang panig ng pag-render ngayon ay nagtatampok ng isang pluggable system na sumusuporta sa OVRTX, Isaac RTX, Newton Warp, at mga lightweight visualizer tulad ng Rerun at Viser. Tinitiyak ng flexibility na ito na matutugunan ng Isaac Lab ang mga hinihinging pangangailangan ng mga mananaliksik at inhenyero ng robotics, naghahatid ng tahasang kontrol sa pagpapatupad, deterministic na simulasyon, at high-density, headless physics na kakayahan na kritikal para sa cutting-edge na pagpapaunlad ng AI. Mahalaga ang antas ng kontrol na ito para sa paglikha ng matatag na accelerate-token-production-in-ai-factories-using-unified-services-and-real-time-ai.

Ang Kinabukasan ng Integrasyon ng Pisikal na AI

Ang paglabas ng mga librarya ng NVIDIA Omniverse ay nagmamarka ng isang mahalagang sandali para sa mga enterprise ng industriya at robotics. Sa pamamagitan ng pag-aalok ng isang granular, high-performance na daan upang isama ang mga kakayahan ng pisikal na AI, binibigyan ng NVIDIA ng kapangyarihan ang mga kumpanya na pabilisin ang kanilang paglalakbay sa digital transformation. Ang mga lider ng industriya tulad ng ABB Robotics, PTC, Siemens, at Synopsys ay kasalukuyang sumusubok sa mga librarya na ito, isinasama ang advanced simulation at paglikha ng digital na kambal sa kanilang umiiral na PLM/PDM at CI/CD systems. Ang malawakang pagtanggap na ito ay nagpapahiwatig ng isang malinaw na trend patungo sa mas flexible, scalable, at intelligent na development workflows, kung saan ang pisikal na AI ay hindi lamang isang pangarap kundi isang accessible, integrated na realidad. Habang papalapit ang mga librarya na ito sa pangkalahatang availability, nangangako silang magbubukas ng walang kaparis na antas ng inobasyon sa disenyo, inhenyeria, at manufacturing.

Orihinal na pinagmulan

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

Mga Karaniwang Tanong

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.

Manatiling Updated

Kunin ang pinakabagong AI news sa iyong inbox.

I-share