Knjižnice Omniverse: Integracija fizične umetne inteligence v obstoječe aplikacije

Razkrite knjižnice NVIDIA Omniverse: Omogočanje integracije fizične umetne inteligence

Na GTC 2026 je NVIDIA napovedala pomemben razvoj svoje platforme Omniverse, saj je predstavila modularno arhitekturo, ki temelji na knjižnicah in je zasnovana za brezhibno integracijo naprednih zmogljivosti fizične umetne inteligence v obstoječe aplikacije. Ta sprememba paradigme obravnava kritično potrebo v industrijskem in robotskem razvoju, kjer monolitna izvajalna okolja pogosto ovirajo razširljivost, brezglavo (headless) namestitev in integracijo z uveljavljenimi sistemi CI/CD. Z izpostavitvijo ključnih komponent Omniverse – upodabljanja RTX, simulacije na osnovi PhysX in cevovodov za shranjevanje podatkov – kot samostojnih C API-jev z vezavami C++ in Python, NVIDIA omogoča razvijalcem, da vgradijo zmogljive funkcionalnosti digitalnih dvojčkov v realnem času in fizične umetne inteligence, ne da bi bila potrebna popolna arhitekturna prenova. Ta modularnost demokratizira dostop do visoko zvestobe simulacije, s čimer fizična umetna inteligenca postaja dosegljiva realnost za širši krog podjetij.

Fizična umetna inteligenca, opredeljena kot sistemi umetne inteligence, ki zaznavajo, razmišljajo in delujejo v fizično utemeljenih simuliranih okoljih, hitro spreminja način, kako industrije načrtujejo in potrjujejo kompleksne sisteme. Od gibanja robotskih rok do celotnih tovarniških postavitev, usposabljanje in potrjevanje politik umetne inteligence v okolju digitalnega dvojčka drastično zmanjšuje stroške in pospešuje razvojne cikle. Nove knjižnice Omniverse, vključno z 'ovrtx', 'ovphysx' in 'ovstorage', bodo postale temelj te transformacije, saj podjetjem omogočajo, da svojo lastniško programsko opremo obogatijo z najsodobnejšo simulacijsko tehnologijo podjetja NVIDIA.

Modularna arhitektura za brezhibno integracijo fizične umetne inteligence

Uvedba arhitekture, ki temelji na knjižnicah, bistveno spreminja način, kako razvijalci komunicirajo z ekosistemom NVIDIA Omniverse. Namesto da bi sprejeli celovito ogrodje aplikacij, lahko ekipe zdaj selektivno kličejo API-je za upodabljanje, fiziko in shranjevanje Omniverse neposredno iz lastnih procesov in storitev. Ta pristop odpravlja izzive, povezane z zaklepanjem v okvir (framework lock-in), odvisnostmi od uporabniškega vmesnika in arhitekturno togostjo, ki pogosto spremljajo obsežne uvedbe programske opreme.

Ta modularna zasnova je še posebej koristna za razvijalce z uveljavljenimi programskimi skladi, saj jim omogoča izkoriščanje zmogljivih zmogljivosti Omniverse brez motečih arhitekturnih predelav. Knjižnice so zasnovane za brezglavo (headless-first) namestitev, kar zagotavlja optimalno zmogljivost in razširljivost za zahtevne industrijske in robotske aplikacije. Ta strateška poteza podjetja NVIDIA poudarja zavezanost prilagodljivosti in rešitvam, osredotočenim na razvijalce, kar Omniverse postavlja kot prilagodljiv nabor orodij za prihodnost umetne inteligence.

Osnovne knjižnice Omniverse: ovrtx, ovphysx in ovstorage

Novo napovedane knjižnice zagotavljajo različne, a medsebojno povezane zmogljivosti, vsaka zasnovana za reševanje specifičnih integracijskih izzivov pri razvoju industrijske programske opreme. Izkoriščajo obstoječe komponente Omniverse, kot je OpenUSD za opis scene in sredstva SimReady za visoko kakovostna simulacijska okolja, kar zagotavlja kohezivno in zmogljivo razvojno izkušnjo.

Knjižnica	Ključne zmogljivosti	Inženirski vpliv
ovrtx	Visoko zvestobo, visoko zmogljivo sledenje poti v realnem času in simulacija senzorjev	Integrira najsodobnejše upodabljanje RTX neposredno v obstoječe aplikacije, kar omogoča multimodalno robotsko zaznavanje, napredno generiranje sintetičnih podatkov in zelo realistično vizualno povratno informacijo za digitalne dvojčke in simulirana okolja.
ovphysx	Hitra simulacija fizike, izvorno združljiva z USD	Aplikacijam dodaja lahkotno simulacijo fizike, pospešeno s strojno opremo, kar olajšuje hitro izmenjavo podatkov za usposabljanje robotike, integracijo krmilne zanke v realnem času in natančne fizične interakcije v kompleksnih industrijskih scenarijih.
ovstorage	Poenostavljeni podatkovni cevovodi za fizično umetno inteligenco	Povezuje obstoječo infrastrukturo za shranjevanje in PLM/PDM neposredno z ekosistemom Omniverse prek knjižnice, ki temelji na API-jih. To omogoča obsežno distribuirano upravljanje podatkov in visoko zmogljivost, kar bistveno preprečuje drage in dolgotrajne ročne migracije podatkov za namestitve na ravni podjetja.

Te knjižnice so trenutno v zgodnjem dostopu na GitHubu in NGC, pri čemer NVIDIA aktivno zbira povratne informacije in načrtuje produkcijsko izdajo z API stabilnostjo še letos. Interno testiranje v visoko zmogljivih skladih, kot je NVIDIA Isaac Lab in Omniverse DSX Blueprint, zagotavlja, da izpolnjujejo stroge zahteve podjetij pred splošno razpoložljivostjo.

Agentska orkestracija s protokolom Model Context Protocol (MCP)

Za nadaljnje izboljšanje uporabnosti teh knjižnic, zlasti na rastočem področju agentov umetne inteligence, Omniverse uvaja zmogljivosti za agentsko orkestracijo prek strežnikov Model Context Protocol (MCP). Ti strežniki so zasnovani tako, da omogočajo uporabo simulacije agentom na osnovi LLM z opisovanjem operacij – kot so nalaganje USD scen, urejanje primitivov ali izvajanje simulacij – v strojno berljivi shemi. To orodjem umetne inteligence, kot so napredni LLM, omogoča varno in učinkovito klicanje funkcionalnosti Omniverse.

Agenti Kit USD so na primer zbirka MCP strežnikov za Kit, USD in OmniUI, ki agentom omogočajo brskanje po API-jih, generiranje kode scene in manipuliranje elementov uporabniškega vmesnika ali hierarhij plasti na podlagi visokolevelskih besedilnih opisov. To razvijalcem omogoča določanje sofisticiranih agentskih vedenj in varoval, kar zmanjšuje kompleksnost ročnega ožičenja vsakega klica API-ja za simulacijo. Za skaliranje teh naprednih potekov dela lahko razvijalci izkoristijo NemoClaw, infrastrukturni sklad za skupnost OpenClaw, ki uvaja varne, avtonomne agente v izolirane peskovnike, zaščitene s politikami. Ta razvoj utira pot vse bolj avtonomnim in inteligentnim simulacijskim okoljem, pospešuje razvoj kompleksnih sistemov fizične umetne inteligence in podpira zmogljivo evaluating-ai-agents-for-production-a-practical-guide-to-strands-evals.

Hiter zagon z Dockerjem za MCP strežnike poenostavlja namestitev, saj razvijalcem omogoča uporabo NVIDIA-inih storitev embedderja in prerankerja, ki gostujejo v oblaku, brez lokalnih GPU-jev, pri čemer je potreben le ključ API-ja NVIDIA.

Študija primera: Optimizacija NVIDIA Isaac Lab z modularnimi knjižnicami

Praktične koristi tega modularnega pristopa nazorno kaže nenehna inženirska evolucija NVIDIA Isaac Lab. Kot visoko zmogljivo ogrodje za simulacijo robotike, ključno za učenje s poglobljenim ojačanjem (RL), Isaac Lab zahteva izjemno razširljivost in determinističen nadzor.

Z Isaac Lab 3.0 Beta je NVIDIA uspešno prešla svojo temeljno plast iz tradicionalnega monolitnega ogrodja Kit na modularno arhitekturo z več zaledji. To razvijalcem omogoča izbiro med 'ovphysx' – samostojno knjižnico, ki obdaja PhysX SDK – ali Newtonovim zaledjem brez Kit-a, ki ga poganja MuJoCo-Warp, odvisno od njihovih specifičnih simulacijskih zahtev. Podobno stran upodabljanja zdaj odlikuje vtični sistem, ki podpira OVRTX, Isaac RTX, Newton Warp in lahke vizualizatorje, kot sta Rerun in Viser. Ta prilagodljivost zagotavlja, da Isaac Lab lahko izpolnjuje zahtevne potrebe raziskovalcev in inženirjev robotike, saj zagotavlja ekspliciten nadzor izvajanja, deterministično simulacijo in visoko gostoto, brezglave fizične zmogljivosti, ključne za vrhunski razvoj umetne inteligence. Ta raven nadzora je bistvena za ustvarjanje robustnih accelerate-token-production-in-ai-factories-using-unified-services-and-real-time-ai.

Prihodnost integracije fizične umetne inteligence

Izdaja knjižnic NVIDIA Omniverse pomeni prelomni trenutek za industrijska in robotska podjetja. Z zagotavljanjem granularne, visoko zmogljive poti za integracijo zmogljivosti fizične umetne inteligence, NVIDIA podjetjem omogoča, da pospešijo svojo pot digitalne transformacije. Industrijski voditelji, kot so ABB Robotics, PTC, Siemens in Synopsys, že pilotno uporabljajo te knjižnice, saj napredno simulacijo in ustvarjanje digitalnih dvojčkov integrirajo v svoje obstoječe sisteme PLM/PDM in CI/CD. Ta široka sprejetost nakazuje jasen trend k bolj prilagodljivim, razširljivim in inteligentnim razvojnim potekom dela, kjer fizična umetna inteligenca ni le želja, ampak dostopna, integrirana realnost. Ko bodo te knjižnice dosegle splošno razpoložljivost, obljubljajo, da bodo odklenile izjemne ravni inovacij v oblikovanju, inženiringu in proizvodnji.

Izvirni vir

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

Pogosta vprašanja

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.

Bodite na tekočem

Prejemajte najnovejše AI novice po e-pošti.

Deli