洞悉Omniverse：如何实现工业设施数字孪生中的机器人机群仿真

“洞悉 Omniverse”系列文章将重点介绍艺术家、开发者和企业如何使用通用场景描述和 NVIDIA Omniverse 的最新技术改变其工作流程。

OpenUSD 和 Mega Omniverse Blueprint 帮助实现工业设施数字孪生中的机器人机群仿真。

工业 AI 和物理 AI 能够简化工作流，企业纷纷开始探寻这两项技术最有效的使用方式。

企业在工厂及其他制造设施等工业环境中扩展 AI 时会遇到一些特殊的挑战，例如分散的数据管线、孤立的工具以及需要进行实时、高保真的仿真。

Mega NVIDIA Omniverse Blueprint能够帮助企业解决这些问题，其所提供的可扩展参考工作流可在工业设施数字孪生中对多机器人机群进行仿真，包括使用NVIDIA Omniverse平台构建的数字孪生。

埃森哲、Foxconn、Kenmec、KION、Pegatron 等工业 AI 领域的领先企业正在使用该蓝图推动物理 AI 的应用并构建能够在工业环境中高效执行操作的自主系统。

该蓝图在通用场景描述（OpenUSD）框架的基础上构建而成，通过统一各种数据源和提高仿真保真度，实现数据无缝互操作、实时协作以及 AI 驱动的决策。

行业领导者采用 Mega Blueprint

在汉诺威工业博览会上，埃森哲与领先的运动技术公司舍弗勒展示了使用 Mega 蓝图对包括通用人形机器人在内的机器人机群进行测试，比如让 Agility Robotics 的 Digit 在集中拣货区和调试区搬运物料。

由舍弗勒、埃森哲、Agility Robotics 提供

供应链解决方案公司 KION 与埃森哲正在使用 Mega 优化仓库和配送流程。

在 3 月举行的 NVIDIA GTC 全球 AI 峰会上，来自埃森哲和 Foxconn 的代表讨论了 Mega 为其工业 AI 工作流带来的影响。

使用 Mega 加速工业 AI

Mega NVIDIA Omniverse Blueprint 架构图

借助 Mega 蓝图，开发者可通过以下方式加速物理 AI 工作流：

机器人机群仿真：在安全的虚拟环境中测试和训练各种机器人机群，确保它们能够无缝协作。

数字孪生：在实际部署前，使用数字孪生对自主系统进行仿真和优化。

传感器仿真和合成数据生成：生成逼真的传感器数据，用于确保机器人能够准确感知现实环境并作出响应。

设施和机群管理系统集成：通过连接机器人机群与管理系统，实现高效编排和优化。

容器化的机器人大脑：使用即插即用的便携式模块实现机器人性能的一致性并简化管理。

使用 OpenUSD 的世界仿真器：使用 NVIDIA Omniverse 和 OpenUSD 在高度逼真的虚拟环境中对工业设施进行仿真。

Omniverse Cloud 传感器 RTX API：使用 NVIDIA Omniverse Cloud 应用编程接口确保传感器仿真的精确性，从而创建详细的工业设施虚拟复制品。

调度器：使用内置调度器管理复杂的任务和数据依赖关系，实现流畅、高效的运行。

视频分析 AI 智能体：集成使用适用于视频搜索和汇总（VSS）的 NVIDIA AI Blueprint 构建的 AI 智能体，以便利用 NVIDIA Metropolis 获得更强大的运营洞察。

最新发布的 Omniverse Kit SDK 107 新版本加入了针对机器人应用开发的重大更新以及 RTX Real-Time 2.0 等增强仿真功能，帮助加速工业 AI 的发展。

• 机器人 机器人 关注

  关注

  212

  文章

  29318

  浏览量

  211060