北京
全新 NVIDIA 安全框架與技術正在推進開發者構建安全物理 AI 的方式。
物理 AI 正從研究實驗室走向現實世界，為智能機器人和智能汽車（如無人駕駛出租車）提供支持，這些系統必須在不可預測的環境中可靠地感知、推理和行動。為了安全地擴展這些系統，開發者需要基于 OpenUSD 這一通用基礎架構，將現實世界數據、高保真仿真和強大的 AI 模型連接起來的工作流。
最新發布的 OpenUSD 核心規范 1.0（OpenUSD，即通用場景描述）定義了標準數據類型、文件格式和組合行為，為開發者在擴展自動化系統時提供可預測、可互操作的 USD 管線。
借助 OpenUSD，NVIDIA Omniverse 庫結合了 NVIDIA RTX 渲染、物理仿真和高效的運行時，能夠創建精準反映現實環境的數字孿生以及仿真就緒（SimReady）資產，用于合成數據生成與測試。
NVIDIA Cosmos 世界基礎模型可在這些仿真之上運行，增強數據多樣性，從同一場景生成新的天氣、光照和地形條件，讓團隊能夠安全地覆蓋罕見且具有挑戰性的極端案例。
此外，合成數據生成、多模態數據集和 SimReady 工作流程的進步，正在與 NVIDIA Halos 綜合安全系統相融合，共同為下一代輔助駕駛系統的部署構建一條基于標準的路徑，使部署過程更安全、更快捷、成本效益更高。
構建安全物理 AI 的基礎
- 開放標準與 SimReady 資產：OpenUSD 核心規范 1.0 建立了支撐 SimReady 資產的標準數據模型和行為，使開發者能夠在 OpenUSD 上構建適用于 AI 工廠和機器人的可互操作的仿真管線。
- 開源學習：Learn OpenUSD 課程現已開源并在 GitHub 上提供，允許貢獻者針對不同受眾、語言及應用場景進行模板、練習和內容的本地化與適配。
- 生成式世界作為安全倍增器：通過 Gaussian splatting 技術和世界模型，加速安全機器人測試和驗證的仿真管線，擴展機器人可練習的場景范圍，同時將實驗安全地保持在仿真中。
- 光輪智能幫助團隊通過 SimReady 資產擴展機器人訓練：借助 OpenUSD，光輪智能的 SimReady 資產庫包含通用場景描述層，能夠更加便捷地構建高保真機器人數字孿生。
安全的端到端輔助駕駛
端到端輔助駕駛安全正借助新研究、開放框架和檢查服務的結合取得快速進展，可推動安全驗證變得更嚴謹且可擴展。
輔助駕駛生態系統領導者 Bosch、Nuro、Wayve、CARLA、Voxel51 和 Mcity 正推動物理 AI 安全落地。
以上為摘要內容，點擊鏈接閱讀完整內容：
洞悉 Omniverse：OpenUSD 與 NVIDIA Halos 加速無人駕駛出租車和物理 AI 系統的安全性 | NVIDIA 英偉達博客
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
