Neueste Meldungen
KI-ModelleBlenderGPT-6 AstraNVIDIA

NVIDIA Omniverse: Simulationsbeispiele mit Astra-Agenten vorgestellt

NVIDIA hat Beispiele für KI-gestützte Simulationen veröffentlicht, die mit Omniverse-Bibliotheken entwickelt wurden. Die Projekte reichen von Tests für Lagerroboter bis zu digitalen Zwillingen und zeigen, wie Agenten unter Anleitung von Entwicklern eingesetzt werden.

Möbliertes modernes Interieur, modelliert für SimulationstestsKI-Bild
Symbolbild, mit KI erzeugt.Bild: 3dsınıfı / FCA AI

Kurz gesagt

  1. NVIDIA veröffentlichte am 9. Oktober 2026 Entwicklerprojekte, die mit Omniverse-Bibliotheken erstellt wurden.
  2. Im Beispiel eines Lagersimulators kam Astra zum Einsatz, um Komponenten für Physik, Szenenaktualisierung, Rendering und Benutzeroberfläche zusammenzuführen.
  3. In einem Digital-Twin-Projekt verglichen die Agenten Astra und Claude Fable 5 simulierte Kamera- und LiDAR-Ausgaben mit aufgezeichneten Daten.
  4. Bei einem Robo-Olympics-Test überwand der simulierte Unitree-G1-Roboter ein einzelnes Hindernis in 64 von 100 Versuchen.

In einem am 9. Oktober 2026 veröffentlichten Blogbeitrag stellte NVIDIA Simulationsprojekte vor, die Entwickler mithilfe von Omniverse-Bibliotheken und KI-Agenten erstellt haben. Die Beispiele reichen von Lagerrobotern und Tests autonomer Fahrzeuge über digitale Zwillinge bis hin zu 3D-Anwendungen im Browser. In den von NVIDIA beschriebenen Workflows geben Entwickler den Agenten Anweisungen in natürlicher Sprache, prüfen die Ergebnisse und steuern sie bei Änderungen nach.

Wie kam Astra im Lagersimulator zum Einsatz?

Frank DeLise, Product Manager bei NVIDIA Omniverse, kombinierte eine SimReady-Lagerumgebung mit einem humanoiden Roboter zu einem interaktiven Simulator. In diesem speziellen Beispiel wurde Astra genutzt, um den Anwendungscode zu erstellen, der ovphysx für die Physik, ovstage für Szenenaktualisierungen, ovrtx für das Rendering und ovui für die Benutzeroberfläche verbindet. SimReady unterstützte zudem beim Aufbau der physischen Szene in der Simulation. In der entstandenen Umgebung lassen sich Lageraufgaben aus der Ich- und der Third-Person-Perspektive betrachten.

Für eine Arbeit zum autonomen Fahren erstellte Doyub Kim aus dem NVIDIA-Team eine wiederverwendbare Testumgebung auf Grundlage der Market Street in San Francisco. Astra führte schrittweise die Komponenten für Asset-Erstellung, Verkehr, Omniverse-RTX-Sensorsimulation und Alpamayo-Fahrfunktionen zusammen. Der Prototyp diente dazu, zu vergleichen, wie sich Änderungen an der Szene oder den Sensoren auf das Fahrverhalten auswirken. In einem separaten Experiment wurden mit Cosmos3-Nano die Wetter- und Lichtverhältnisse in aufgezeichneten Simulationsvideos verändert.

Wie wurden digitale Zwillinge und Roboterbewegungen getestet?

In der Arbeit von Ashley Reid aus dem RTX-Sensorvalidierungsteam bewerteten die Agenten Astra und Claude Fable 5 die Abweichungen zwischen Kamera- und Roh-LiDAR-Ausgaben aus ovrtx und aufgezeichneten Daten. In einem iterativen Prozess, der etwa drei Tage dauerte, erstellten oder bearbeiteten die Agenten OpenUSD-Szenen. Änderungen an fehlenden Objekten, Geometrie und Materialien wurden anhand von Kamera- und LiDAR-Messungen überprüft.

Im Experiment Robo Olympics entwickelte Astra anhand von Sportvideos und natürlichsprachlichen Anweisungen Steuerungssysteme für simulierte humanoide Unitree-G1-Roboter. In einem von NVIDIA veröffentlichten Test überwand der Roboter ein einzelnes Hindernis in 64 von 100 Simulationsversuchen. Für die Arbeit kamen die Physiksimulation mit der Newton Physics Engine, die Rechenbeschleunigung mit NVIDIA Warp und ovrtx für die Darstellung zum Einsatz. Das Ergebnis wird als experimentelles Beispiel dafür vorgestellt, wie sich Roboterbewegungen in der Simulation bewerten lassen.

Der Blog beschreibt außerdem eine Anwendung, in der Assets mit Blender vorbereitet und ein OpenUSD-Modell der Internationalen Raumstation mit Telemetriedaten in den Browser übertragen wurde. In einem weiteren Projekt entstand aus Stereo-Kameraaufnahmen eine bearbeitbare OpenUSD-Studio-Szene. Das Kollisions- und Kontaktverhalten von Türen und Schubladen wurde mit Tests in Isaac Sim überprüft.

Was bedeutet das für Architektur- und Archviz-Workflows?

Die Ankündigung ist kein fertiges Produkt für Architekturdesign oder Archviz. Dennoch bietet der Ansatz, aus Kameraaufnahmen eine bearbeitbare Innenraumszene zu erstellen und die Interaktion von Türen und Schubladen in einer Simulation zu testen, Architektur- und Innenarchitekturbüros, die räumliches Verhalten untersuchen, einen interessanten Anknüpfungspunkt. Die Quelle macht keine Angaben zur Kompatibilität der Beispiele mit Architektur-Software oder dazu, ob es sich um einen validierten Archviz-Workflow handelt.

Bei der Bewertung der praktischen Einsatzmöglichkeiten für Büros und Visualisierungsteams sollten die Übertragung von OpenUSD-Szenen, die benötigten GPU-beschleunigten Komponenten und die Eignung vorhandener Assets berücksichtigt werden. In NVIDIAs Beitrag werden weder Hardwareanforderungen, Lizenzbedingungen und Preise noch ein Zeitplan für die allgemeine Verfügbarkeit genannt. Die Beispiele sollten daher als Entwicklerprojekte und nicht als fertige Produktionslösung betrachtet werden.

Quellen

1 Quelle
NB
NVIDIA Blogblogs.nvidia.com/blog/developers-simulation-frontier-ai-agents
Zusammenfassung

Quelltexte werden nicht neu veröffentlicht; kurze Zitate sind gekennzeichnet, der Rest ist eigene Zusammenfassung und Einordnung.

Die Einschätzung von 3dsınıfı
3dEinschätzung der Redaktion

Die von NVIDIA vorgestellten Projekte zeigen, dass Agenten in Simulations-Workflows unterschiedliche Komponenten zusammenführen und Szenen anhand von Testergebnissen verbessern können. Besonders das Beispiel, einen gescannten Innenraum in eine bearbeitbare Szene umzuwandeln, dürfte für Teams interessant sein, die physische Interaktionen untersuchen.

Für Büros in der Türkei bedeutet das allerdings noch keine unmittelbar einsetzbare Archviz-Lösung. Angaben zu Hardware, Lizenzen und Preisen fehlen; auch die Kompatibilität mit Architektur-Software wird nicht erläutert. Teams, die ein Pilotprojekt planen, sollten zunächst die OpenUSD-Übertragung und die GPU-Anforderungen in ihrem eigenen Workflow überprüfen.

Häufige Fragen

Wofür wurde Astra in den NVIDIA-Omniverse-Beispielen verwendet?

Im Beispiel des Lagersimulators wurde Astra genutzt, um Anwendungscode zu erstellen, der Komponenten für Physik, Szenenaktualisierung, Rendering und Benutzeroberfläche zusammenführt. Andere Projekte zeigten zudem verschiedene, von Entwicklern gesteuerte Simulations-Workflows.

Welche Daten wurden in NVIDIAs Digital-Twin-Arbeit verglichen?

Die Agenten Astra und Claude Fable 5 bewerteten die Abweichungen zwischen simulierten Kamera- und Roh-LiDAR-Ausgaben und aufgezeichneten Daten. Dabei wurden OpenUSD-Szenen erstellt oder bearbeitet.

Sind die Omniverse-Beispiele bereits für die Archviz-Produktion geeignet?

Die Quelle beschreibt die Beispiele weder als fertiges Produkt für Architekturvisualisierung noch als einsatzbereiten Workflow. Angaben zu Hardwareanforderungen, Lizenzen und Preisen fehlen ebenfalls.

Kommentare und Forum sind auf Türkisch.Mitdiskutieren
+

Verwandte Meldungen