Omniverse Biblioteke: Integracija Fizičke AI u Postojeće Aplikacije

NVIDIA Omniverse Biblioteke Predstavljene: Omogućavanje Integracije Fizičke AI

Na GTC 2026, NVIDIA je najavila značajnu evoluciju svoje Omniverse platforme, predstavljajući modularnu arhitekturu temeljenu na bibliotekama dizajniranu za besprijekornu integraciju naprednih mogućnosti fizičke AI u postojeće aplikacije. Ova promjena paradigme rješava kritičnu potrebu u industrijskom i robotskom razvoju, gdje monolitna okruženja često otežavaju skalabilnost, samostalnu implementaciju ('headless deployment') i integraciju s uspostavljenim CI/CD sustavima. Izlaganjem temeljnih Omniverse komponenti—RTX renderiranja, simulacije temeljene na PhysX-u i cjevovoda za pohranu podataka—kao samostalnih C API-ja s C++ i Python poveznicama, NVIDIA omogućuje razvojnim programerima da ugrade moćne digitalne blizance u stvarnom vremenu i funkcionalnosti fizičke AI bez potrebe za potpunom arhitektonskom preinakom. Ova modularnost demokratizira pristup simulaciji visoke vjernosti, čineći fizičku AI ostvarivom stvarnošću za širi spektar poduzeća.

Fizička AI, definirana kao AI sustavi koji percipiraju, rezoniraju i djeluju unutar fizički utemeljenih simuliranih okruženja, brzo transformira način na koji industrije dizajniraju i validiraju složene sustave. Od pokreta robotskih ruku do cijelih tvorničkih rasporeda, obuka i validacija AI politika u okruženju digitalnog blizanca drastično smanjuje troškove i ubrzava razvojne cikluse. Nove Omniverse biblioteke, uključujući 'ovrtx', 'ovphysx' i 'ovstorage', bit će kamen temeljac ove transformacije, omogućujući tvrtkama da svoj vlasnički softver obogate NVIDIA-inom vrhunskom simulacijskom tehnologijom.

Modularna Arhitektura za Besprijekornu Integraciju Fizičke AI

Uvođenje arhitekture 'library-first' temeljno mijenja način na koji razvojni programeri komuniciraju s ekosustavom NVIDIA Omniverse. Umjesto usvajanja sveobuhvatnog aplikacijskog okvira, timovi sada mogu selektivno pozivati Omniverse API-je za renderiranje, fiziku i pohranu izravno iz vlastitih procesa i usluga. Ovaj pristup eliminira izazove povezane s 'framework lock-inom', UI ovisnostima i arhitektonskom rigidnošću koji često prate usvajanje softvera velikih razmjera.

Ovaj modularni dizajn posebno je koristan za razvojne programere s uspostavljenim softverskim skupovima, omogućujući im da iskoriste moćne mogućnosti Omniversea bez ometajućih arhitektonskih prepravki. Biblioteke su dizajnirane za 'headless-first' implementaciju, osiguravajući optimalne performanse i skalabilnost za zahtjevne industrijske i robotske aplikacije. Ovaj strateški potez NVIDIJE naglašava predanost fleksibilnosti i rješenjima usmjerenim na razvojne programere, pozicionirajući Omniverse kao prilagodljiv skup alata za budućnost AI.

Temeljne Omniverse Biblioteke: ovrtx, ovphysx i ovstorage

Novonajavljene biblioteke pružaju različite, ali međusobno povezane mogućnosti, svaka dizajnirana za rješavanje specifičnih integracijskih izazova u razvoju industrijskog softvera. One iskorištavaju postojeće Omniverse komponente poput OpenUSD za opis scene i SimReady resurse za visokokvalitetna simulacijska okruženja, osiguravajući kohezivno i moćno razvojno iskustvo.

Biblioteka	Ključne mogućnosti	Inženjerski utjecaj
ovrtx	Visokovjerno, visokoučinkovito renderiranje putanje u stvarnom vremenu i simulacija senzora	Integrira najsuvremenije RTX renderiranje izravno u postojeće aplikacije, omogućujući multimodalnu percepciju robotike, napredno generiranje sintetičkih podataka i vrlo realistične vizualne povratne informacije za digitalne blizance i simulirana okruženja.
ovphysx	Brza, USD-nativna simulacija fizike	Dodaje laganu, hardverski ubrzanu simulaciju fizike aplikacijama, olakšavajući brzu razmjenu podataka za obuku robotike, integraciju kontrolne petlje u stvarnom vremenu i točne fizičke interakcije u složenim industrijskim scenarijima.
ovstorage	Objedinjeni podatkovni cjevovodi fizičke AI	Povezuje postojeću infrastrukturu za pohranu i PLM/PDM izravno s Omniverse ekosustavom putem biblioteke vođene API-jem. To omogućuje distribuirano upravljanje podacima velikih razmjera i visoke performanse, ključno izbjegavajući skupe i dugotrajne ručne migracije podataka za implementacije na razini poduzeća.

Ove biblioteke su trenutno u ranoj fazi pristupa ('early access') na GitHubu i NGC-u, a NVIDIA aktivno prikuplja povratne informacije i planira izdanje proizvodne verzije sa stabilnim API-jem kasnije ove godine. Interno testiranje u visokoučinkovitim skupovima kao što su NVIDIA Isaac Lab i Omniverse DSX Blueprint osigurava da zadovoljavaju stroge zahtjeve poduzeća prije opće dostupnosti.

Agentna Orkestracija s Protokolom Konteksta Modela (MCP)

Kako bi se dodatno poboljšala korisnost ovih biblioteka, posebno u nastalom području AI agenata, Omniverse uvodi mogućnosti za agentnu orkestraciju putem poslužitelja Protokola konteksta modela (MCP). Ovi poslužitelji su dizajnirani da simulaciju učine upotrebljivom za agente temeljene na LLM-u opisujući operacije—poput učitavanja USD scena, uređivanja primita ili korakanja kroz simulacije—u strojno čitljivoj shemi. To omogućuje AI alatima, poput naprednih LLM-ova, da sigurno i učinkovito pozivaju Omniverse funkcionalnosti.

Kit USD agenti, na primjer, su zbirka MCP poslužitelja za Kit, USD i OmniUI, omogućujući agentima da pregledavaju API-je, generiraju kod scene i manipuliraju UI elementima ili hijerarhijama slojeva na temelju tekstualnih opisa visoke razine. To osnažuje razvojne programere da definiraju sofisticirana ponašanja agenata i zaštitne mehanizme, preuzimajući složenost ručnog ožičenja svakog API poziva simulacije. Za skaliranje ovih naprednih tijekova rada, razvojni programeri mogu iskoristiti NemoClaw, infrastrukturni skup za OpenClaw zajednicu koji implementira sigurne, autonomne agente unutar izoliranih, politikom zaštićenih 'sandbox' okruženja. Ovaj razvoj otvara put sve autonomnijim i inteligentnijim simulacijskim okruženjima, ubrzavajući razvoj složenih sustava fizičke AI i podržavajući moćnu procjenu-ai-agenata-za-proizvodnju-prakticni-vodic-za-strands-evals.

Brzi početak s Dockerom za MCP poslužitelje pojednostavljuje implementaciju, omogućujući razvojnim programerima da koriste NVIDIA-ine usluge u oblaku za 'embedder' i 'reranker' bez lokalnih GPU-ova, zahtijevajući samo NVIDIA API ključ.

Studija Slučaja: Optimizacija NVIDIA Isaac Lab-a s Modularnim Bibliotekama

Praktične prednosti ovog modularnog pristupa živopisno su prikazane kroz tekuću inženjersku evoluciju NVIDIA Isaac Lab-a. Kao visokoučinkovit okvir za simulaciju robotike ključan za učenje potpomognuto povratnom spregom (RL), Isaac Lab zahtijeva ekstremnu skalabilnost i determinističku kontrolu.

S Isaac Lab 3.0 Beta, NVIDIA je uspješno prešla sa svog tradicionalnog monolitnog Kit okvira na modularnu arhitekturu s više 'backend-a'. To omogućuje razvojnim programerima da biraju između 'ovphysx'—samostalne biblioteke koja obuhvaća PhysX SDK—ili Newton 'backend-a' bez Kit-a pogonjenog MuJoCo-Warp, ovisno o njihovim specifičnim zahtjevima simulacije. Slično tome, strana renderiranja sada ima 'plug-in' sustav koji podržava OVRTX, Isaac RTX, Newton Warp i lagane vizualizatore poput Rerun i Viser. Ova fleksibilnost osigurava da Isaac Lab može zadovoljiti zahtjevne potrebe istraživača i inženjera robotike, pružajući eksplicitnu kontrolu izvršavanja, determinističku simulaciju i mogućnosti fizike visoke gustoće, bez grafičkog sučelja ('headless'), ključne za vrhunski razvoj AI. Ova razina kontrole bitna je za stvaranje robusnih ubrzanje-proizvodnje-tokena-u-ai-tvornicama-koristeci-objedinjene-usluge-i-ai-u-stvarnom-vremenu.

Budućnost Integracije Fizičke AI

Izdanje NVIDIA Omniverse biblioteka označava ključni trenutak za industrijska i robotska poduzeća. Nudeći granularan put visokih performansi za integraciju mogućnosti fizičke AI, NVIDIA osnažuje tvrtke da ubrzaju svoj put digitalne transformacije. Industrijski lideri poput ABB Robotics, PTC, Siemens i Synopsys već pilotiraju ove biblioteke, integrirajući naprednu simulaciju i stvaranje digitalnih blizanaca u svoje postojeće PLM/PDM i CI/CD sustave. Ovo široko rasprostranjeno usvajanje signalizira jasan trend prema fleksibilnijim, skalabilnijim i inteligentnijim razvojnim tijekovima rada, gdje fizička AI nije samo težnja već dostupna, integrirana stvarnost. Kako se ove biblioteke kreću prema općoj dostupnosti, obećavaju otključavanje neviđenih razina inovacija u dizajnu, inženjeringu i proizvodnji.

Izvorni izvor

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

Često postavljana pitanja

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.

Budite u toku

Primajte najnovije AI vijesti na e-mail.

Podijeli