Code Velocity
Þróunartól

Omniverse bókasöfn: Eðlisfræðileg gervigreindarsamþætting fyrir núverandi forrit

·7 mín lestur·NVIDIA·Upprunaleg heimild
Deila
NVIDIA Omniverse einingabókasöfn samþætta eðlisfræðilega gervigreindarhæfileika í núverandi forrit fyrir rauntíma hermun stafrænna tvífara.

NVIDIA Omniverse bókasöfn afhjúpuð: Efling samþættingar eðlisfræðilegrar gervigreindar

Á GTC 2026 tilkynnti NVIDIA um mikla þróun á Omniverse vettvangi sínum, þar sem kynnt var einingaarkitektúr byggður á bókasöfnum sem er hannaður til að samþætta óaðfinnanlega háþróaða eðlisfræðilega gervigreindarhæfileika inn í núverandi forrit. Þessi hugmyndafræðilega breyting tekur á mikilvægri þörf í iðnaðar- og vélmennaþróun, þar sem einlit kerfi (monolithic runtimes) hindra oft skalanleika, höfuðlausa uppsetningu og samþættingu við rótgróin CI/CD kerfi. Með því að afhjúpa kjarnahluta Omniverse – RTX flutning, PhysX-undirstaða hermun og gagnageymsluleiðslur – sem sjálfstæð C API með C++ og Python tengingum, gerir NVIDIA forriturum kleift að fella inn öfluga rauntíma stafræna tvífara og eðlisfræðilega gervigreindaraðgerðir án þess að þurfa á heildararkitektúrumbótum að halda. Þessi einingaarkitektúr lýðræðisvæðir aðgang að hágæða hermun og gerir eðlisfræðilega gervigreind að raunhæfum möguleika fyrir breiðari hóp fyrirtækja.

Eðlisfræðileg gervigreind, skilgreind sem gervigreindarkerfi sem skynja, rökhugsa og bregðast við innan líkamlega grundvallaðra hermaðra umhverfa, er að umbreyta hratt því hvernig iðnaður hannar og staðfestir flókin kerfi. Frá hreyfingum vélmennaarma til heilla verksmiðjuskipulaga, dregur þjálfun og staðfesting gervigreindastefna í stafrænu tvíburarumhverfi verulega úr kostnaði og flýtir fyrir þróunarlotum. Nýju Omniverse bókasöfnin, þar á meðal 'ovrtx', 'ovphysx' og 'ovstorage', eiga að verða hornsteinn þessarar umbreytingar, sem gerir fyrirtækjum kleift að auðga séreignahugbúnað sinn með NVIDIA's nýjustu hermunartækni.

Einingaarkitektúr fyrir hnökralausa samþættingu eðlisfræðilegrar gervigreindar

Innleiðing bókasafn-fyrst arkitektúrs breytir í grundvallaratriðum því hvernig forritarar hafa samskipti við NVIDIA Omniverse vistkerfið. Í stað þess að taka upp umfangsmikinn forritsramma geta teymi nú valið að kalla á Omniverse flutnings-, eðlisfræði- og geymslu-API beint úr eigin ferlum og þjónustum. Þessi nálgun eyðir áskorunum sem tengjast festingu við ramma (framework lock-in), UI ósjálfstæði og arkitektúr stífleika sem oft fylgja stórum hugbúnaðarupptökum.

Þessi einingahönnun er sérstaklega gagnleg fyrir forritara með rótgróna hugbúnaðarpakka, sem gerir þeim kleift að nýta öfluga eiginleika Omniverse án truflandi endurskrifana á arkitektúr. Bókasöfnin eru hönnuð fyrir höfuðlausa uppsetningu (headless-first deployment), sem tryggir bestu afköst og skalanleika fyrir krefjandi iðnaðar- og vélmennaforrit. Þessi stefnumótandi hreyfing NVIDIA undirstrikar skuldbindingu um sveigjanleika og forritaramiðaðar lausnir, og staðsetur Omniverse sem aðlögunarhæft tólapakka fyrir framtíð gervigreindar.

Kjarnabókasöfn Omniverse: ovrtx, ovphysx og ovstorage

Nýlega tilkynntu bókasöfnin veita aðgreinda en samt samtengda hæfileika, hver um sig hannaður til að leysa sérstakar samþættingaráskoranir í þróun iðnaðarhugbúnaðar. Þau nýta sér núverandi Omniverse íhluti eins og OpenUSD fyrir lýsingu á vettvangi og SimReady eignir fyrir hágæða hermunarumhverfi, sem tryggir samloðandi og öfluga þróunarupplifun.

BókasafnHelstu hæfileikarVerkfræðileg áhrif
ovrtxHágæða, afkastamikil rauntíma leiðarrakning (path-tracing) og skynjarahermunSamþættir nýjasta RTX flutning beint inn í núverandi forrit, sem gerir kleift að fjölhamra skynjun vélmenna, háþróaða gervigagnamyndun og mjög raunhæf sjónræn endurgjöf fyrir stafræna tvífara og hermað umhverfi.
ovphysxHáhraða, USD-innfædd eðlisfræðihermunBætir léttri, vélbúnaðarhröðunni eðlisfræðihermun við forrit, auðveldar háhraða gagnaskipti fyrir þjálfun vélmenna, rauntíma samþættingu stýrilykkja og nákvæm líkamleg samskipti í flóknum iðnaðarsviðsmyndum.
ovstorageSameinaðar gagnaleiðslur fyrir eðlisfræðilega gervigreindTengir núverandi geymslu- og PLM/PDM innviði beint við Omniverse vistkerfið með API-knúnu bókasafni. Þetta gerir stórfellda dreifða gagnastjórnun og mikil afköst kleift, sem mikilvægast er að forðast kostnaðarsamar og tímafrekar handvirkar gagnflutningar fyrir uppsetningar á fyrirtækjastigi.

Þessi bókasöfn eru nú í snemmbúnum aðgangi á GitHub og NGC, þar sem NVIDIA safnar virkilega viðbrögðum og skipuleggur framleiðsluútgáfu með API stöðugleika síðar á þessu ári. Innri prófanir í afkastamiklum pökkum eins og NVIDIA Isaac Lab og Omniverse DSX Blueprint tryggja að þau uppfylli strangar kröfur fyrirtækja áður en þau verða almennt tiltæk.

Umboðsstýrð samhæfing með Model Context Protocol (MCP)

Til að auka enn frekar notagildi þessara bókasafna, sérstaklega á ört vaxandi sviði gervigreindarumboðsmanna, kynnir Omniverse hæfileika fyrir umboðsstýrða samhæfingu í gegnum Model Context Protocol (MCP) netþjóna. Þessir netþjónar eru hannaðir til að gera hermun nothæfa frá LLM-undirstaða umboðsmönnum með því að lýsa aðgerðum — eins og að hlaða USD sviðum, breyta frumþáttum eða taka skref í hermun — í véllesanlegu skema. Þetta gerir gervigreindartækjum, eins og háþróuðum LLM, kleift að kalla á Omniverse aðgerðir á öruggan og skilvirkan hátt.

Kit USD umboðsmennirnir, til dæmis, eru safn MCP netþjóna fyrir Kit, USD og OmniUI, sem gerir umboðsmönnum kleift að skoða API, búa til sviðskóða og stjórna UI-þáttum eða lagastigveldi byggt á háleitum textalýsingum. Þetta gerir forriturum kleift að skilgreina flókin hegðunarmynstur umboðsmanna og varnir, sem dregur úr flækjunni við að handtengja hvert hermunar-API útkall. Til að stækka þessa háþróuðu vinnuferla geta forritarar nýtt sér NemoClaw, innviðapakkann fyrir OpenClaw samfélagið sem setur upp örugga, sjálfstýrða umboðsmenn innan einangraðra, stefnubundinna sandkassa. Þessi þróun ryður brautina fyrir sífellt sjálfstæðari og greindari hermunarumhverfi, sem flýtir fyrir þróun flókinna eðlisfræðilegra gervigreindarkerfa og styður öfluga mat-a-gervigreindarumboðsmanna-fyrir-framleiðslu-hagnýt-handbók-um-strands-matsferli.

Fljótleg byrjun með Docker fyrir MCP netþjóna einfaldar uppsetningu, sem gerir forriturum kleift að nýta skýjahýsta embedder- og reranker-þjónustu NVIDIA án staðbundinna GPU, og krefst aðeins NVIDIA API lykils.

Dæmisaga: Fínstilling NVIDIA Isaac Lab með einingabókasöfnum

Hagnýtur ávinningur þessarar eininganálsunar er skýrt sýndur af áframhaldandi verkfræðiþróun NVIDIA Isaac Lab. Sem afkastamikið vélmennahermunarkerfi sem er mikilvægt fyrir styrktarnám (RL), krefst Isaac Lab mikils skalanleika og ákvarðanlegrar stýringar.

Með Isaac Lab 3.0 Beta hefur NVIDIA tekist að flytja grunnlag sitt frá hefðbundna einlita Kit ramma yfir í fjölbakenda einingaarkitektúr. Þetta gerir forriturum kleift að velja á milli 'ovphysx' – sjálfstætt bókasafns sem umvefur PhysX SDK – eða Kit-lausrar Newton bakhliðar knúinn af MuJoCo-Warp, allt eftir sérstökum hermunarþörfum þeirra. Á sama hátt býður flutningshlutinn nú upp á tengjanlegt kerfi sem styður OVRTX, Isaac RTX, Newton Warp og létta sjónmyndara eins og Rerun og Viser. Þessi sveigjanleiki tryggir að Isaac Lab geti uppfyllt krefjandi þarfir vélmennafræðinga og verkfræðinga, og skilað skýrri framkvæmdastýringu, ákvarðanlegri hermun og háþéttum, höfuðlausum eðlisfræðihæfileikum sem eru mikilvægir fyrir nýjustu gervigreindarþróun. Þetta stjórnunarstig er nauðsynlegt til að búa til öfluga hraða-táknaframleiðslu-í-gervigreindarverksmiðjum-með-samræmdum-þjónustum-og-rauntíma-gervigreind.

Framtíð samþættingar eðlisfræðilegrar gervigreindar

Útgáfa NVIDIA Omniverse bókasafna markar tímamót fyrir iðnaðar- og vélmennafyrirtæki. Með því að bjóða upp á nákvæma, afkastamikla leið til að samþætta eðlisfræðilega gervigreindarhæfileika, styrkir NVIDIA fyrirtæki til að flýta fyrir stafrænni umbreytingu sinni. Leiðandi fyrirtæki í iðnaði eins og ABB Robotics, PTC, Siemens og Synopsys eru þegar að prófa þessi bókasöfn og samþætta háþróaða hermun og sköpun stafrænna tvífara í núverandi PLM/PDM og CI/CD kerfi sín. Þessi víðtæka upptaka gefur til kynna skýra stefnu í átt að sveigjanlegri, skalanlegri og greindari þróunarvinnuflæði, þar sem eðlisfræðileg gervigreind er ekki aðeins metnaður heldur aðgengileg, samþætt raunveruleiki. Þegar þessi bókasöfn færast nær almennri tiltækni lofa þau að opna áður óþekkt stig nýsköpunar í hönnun, verkfræði og framleiðslu.

Algengar spurningar

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.

Fylgstu með

Fáðu nýjustu gervigreindarfréttirnar í pósthólfið.

Deila