NVIDIA Omniverse : des exemples de simulation avec des agents Astra

Dans un article de blog publié le 9 octobre 2026, NVIDIA a présenté des projets de simulation développés par des développeurs avec des agents d’IA et les bibliothèques Omniverse. Les exemples vont des robots d’entrepôt aux tests de véhicules autonomes, en passant par les jumeaux numériques et les applications 3D exécutées dans un navigateur. Dans les processus présentés par NVIDIA, les développeurs donnent des instructions aux agents en langage naturel, puis examinent les résultats et les orientent sur les modifications à apporter.

Comment Astra a-t-il été utilisé dans le simulateur d’entrepôt ?

Frank DeLise, responsable produit chez NVIDIA Omniverse, a réuni un environnement d’entrepôt SimReady et un robot humanoïde dans un simulateur interactif. Dans cet exemple spécifique, Astra a servi à préparer le code de l’application reliant ovphysx pour la physique, ovstage pour les mises à jour de scène, ovrtx pour le rendu et ovui pour l’interface utilisateur. SimReady a également aidé à construire la scène physique dans le simulateur. L’environnement obtenu permet d’examiner les tâches d’entrepôt à la première comme à la troisième personne.

Pour un projet de conduite autonome, Doyub Kim, membre de l’équipe NVIDIA, a créé un environnement de test réutilisable basé sur Market Street, à San Francisco. Astra a assemblé progressivement la création d’actifs, le trafic, la simulation de capteurs Omniverse RTX et les composants de conduite Alpamayo. Le prototype a servi à comparer les effets des modifications de scène ou de capteurs sur le comportement de conduite. Dans une expérience distincte, Cosmos3-Nano a permis de modifier les conditions météorologiques et d’éclairage dans des vidéos de simulation enregistrées.

Comment les jumeaux numériques et les mouvements des robots ont-ils été testés ?

Dans le projet d’Ashley Reid, de l’équipe de validation des capteurs RTX, les agents Astra et Claude Fable 5 ont évalué les différences entre les sorties de caméra et de LiDAR brut générées avec ovrtx et les données enregistrées. Au cours d’un processus itératif d’environ trois jours, les agents ont créé des scènes OpenUSD ou modifié des scènes existantes. Les objets manquants ainsi que les modifications de géométrie et de matériaux ont été vérifiés à l’aide de mesures de caméra et de LiDAR.

Dans l’expérience Robo Olympics, Astra a développé des systèmes de contrôle pour des robots humanoïdes Unitree G1 simulés, à partir de vidéos sportives et d’instructions en langage naturel. Lors de l’un des essais partagés par NVIDIA, le robot a franchi un obstacle unique dans 64 des 100 tentatives simulées. Newton Physics Engine a été utilisé pour la simulation physique, NVIDIA Warp pour l’accélération des calculs et ovrtx pour le rendu. Le résultat est présenté comme un exemple expérimental d’évaluation des mouvements de robots en simulation.

L’article de blog décrit également une application qui utilise des actifs préparés avec Blender et intègre dans un navigateur un modèle de la Station spatiale internationale en OpenUSD, comprenant de la télémétrie. Dans un autre projet, des enregistrements de caméra stéréo ont servi à créer une scène de studio OpenUSD modifiable ; les interactions de collision et de contact des portes et des tiroirs ont été examinées à l’aide de tests Isaac Sim.

Qu’est-ce que cela signifie pour l’architecture et les workflows d’archviz ?

Cette annonce ne présente pas un produit prêt à l’emploi pour la conception architecturale ou l’archviz. La création d’une scène intérieure modifiable à partir d’enregistrements de caméra et la simulation des interactions entre portes et tiroirs offrent néanmoins une piste à suivre pour les équipes d’architecture et d’aménagement intérieur qui étudient les comportements spatiaux. La source ne précise pas si ces exemples sont compatibles avec les logiciels de production architecturale ni s’ils constituent un workflow d’archviz validé.

Pour évaluer leur pertinence pour les bureaux et les équipes de visualisation, il faut tenir compte du transfert des scènes OpenUSD, des composants accélérés par GPU nécessaires et de l’adéquation des actifs existants. La publication de NVIDIA ne précise ni les exigences matérielles, ni les conditions de licence, ni les tarifs, ni le calendrier de mise à disposition générale. Ces exemples doivent donc être considérés comme des projets de développeurs et non comme une solution de production achevée.