Коротко
- 9 октября 2026 года NVIDIA опубликовала проекты разработчиков, созданные с помощью библиотек Omniverse.
- В примере со складским симулятором Astra использовали для объединения компонентов физики, обновления сцены, рендеринга и интерфейса.
- В проекте с цифровым двойником агенты Astra и Claude Fable 5 сравнивали записанные данные с симулированными данными камеры и LiDAR.
- В эксперименте Robo Olympics симулируемый робот Unitree G1 преодолел одно препятствие в 64 из 100 попыток.
В опубликованной 9 октября 2026 года статье в блоге NVIDIA представила симуляционные проекты, созданные разработчиками с помощью библиотек Omniverse и ИИ-агентов. Среди примеров — складские роботы, тестирование автономных автомобилей, цифровые двойники и 3D-приложения, работающие в браузере. В описанных NVIDIA рабочих процессах разработчики дают агентам инструкции на естественном языке, изучают полученные результаты и направляют дальнейшие изменения.
Как Astra использовали в складском симуляторе?
Фрэнк Делайз, продакт-менеджер NVIDIA Omniverse, объединил среду склада SimReady и человекоподобного робота в интерактивном симуляторе. В этом специальном примере Astra использовали для подготовки кода приложения, связывающего компоненты ovphysx для физики, ovstage для обновления сцены, ovrtx для рендеринга и ovui для пользовательского интерфейса. SimReady помог создать физическую сцену для симуляции. В готовой среде складские задачи можно рассматривать от первого и третьего лица.
В проекте по автономному вождению Доюб Ким из команды NVIDIA создал повторно используемую тестовую среду на основе улицы Маркет-стрит в Сан-Франциско. Astra поэтапно объединила генерацию ресурсов, трафик, симуляцию датчиков Omniverse RTX и компоненты вождения Alpamayo. Прототип использовали, чтобы сравнивать влияние изменений сцены или датчиков на поведение автомобиля. В отдельном эксперименте с помощью Cosmos3-Nano меняли погодные условия и освещение в записанных симуляционных видео.
Как тестировали цифровые двойники и движения роботов?
В проекте Эшли Рид из команды валидации датчиков RTX агенты Astra и Claude Fable 5 оценивали отличия между записанными данными и изображениями с камеры и необработанными данными LiDAR, созданными с помощью ovrtx. Итеративный процесс занял около трёх дней: агенты создавали сцены OpenUSD или редактировали существующие. Изменения отсутствующих объектов, геометрии и материалов проверяли по данным камеры и LiDAR.
В эксперименте Robo Olympics Astra разрабатывала системы управления для симулируемых человекоподобных роботов Unitree G1, используя спортивные видео и инструкции на естественном языке. В одном из опубликованных NVIDIA испытаний робот преодолел одно препятствие в 64 из 100 симуляционных попыток. Для симуляции физики использовался Newton Physics Engine, для ускорения вычислений — NVIDIA Warp, а для рендеринга — ovrtx. Результат представлен как экспериментальный пример оценки движений роботов в симуляции.
В блоге также описано приложение, в котором ресурсы подготовили в Blender, а модель Международной космической станции в OpenUSD с телеметрическими данными перенесли в браузер. В другом проекте на основе стереозаписей создали редактируемую сцену студии в OpenUSD; поведение дверей и ящиков при столкновениях и контакте проверили в Isaac Sim.
Что это означает для архитектуры и archviz?
Это объявление не представляет собой готовый продукт для архитектурного проектирования или archviz. Тем не менее подход, при котором по видеозаписям создают редактируемую сцену интерьера, а взаимодействия дверей и ящиков проверяют в симуляции, может быть интересен архитектурным и интерьерным командам, изучающим поведение пространства. В источнике не говорится о совместимости этих примеров с программами для архитектурного производства или о том, что это проверенный рабочий процесс для archviz.
Офисам и командам визуализации, оценивающим возможность применения подхода, стоит учитывать перенос сцен OpenUSD, необходимые компоненты с ускорением на GPU и пригодность имеющихся ресурсов. В публикации NVIDIA не указаны требования к оборудованию, условия лицензирования, цены или сроки общего доступа. Поэтому эти примеры следует рассматривать как проекты разработчиков, а не как готовое производственное решение.
Источники
Источников: 1Тексты источников не перепечатываются; короткие цитаты отмечены, остальное — наш пересказ и комментарий.
Проекты NVIDIA показывают, что агенты могут объединять разные компоненты симуляционных рабочих процессов и улучшать сцены с учётом результатов тестирования. Особый интерес может представлять пример преобразования отсканированного интерьера в редактируемую сцену — он может пригодиться командам, изучающим физические взаимодействия.
Однако для офисов в Турции этот материал пока не означает появления готового решения для archviz. Не указаны требования к оборудованию, лицензирование и цены, а совместимость с архитектурными программами не раскрыта. Командам, планирующим пилотный проект, стоит сначала проверить перенос OpenUSD и требования к GPU в рамках собственных рабочих процессов.
Частые вопросы
Для чего использовали Astra в примерах NVIDIA Omniverse?
В примере со складским симулятором Astra использовали для подготовки кода приложения, объединяющего компоненты физики, обновления сцены, рендеринга и интерфейса. В других проектах также показаны различные симуляционные рабочие процессы под руководством разработчиков.
Какие данные сравнивали в проекте NVIDIA с цифровым двойником?
Агенты Astra и Claude Fable 5 оценивали отличия между симулированными данными камеры и необработанными данными LiDAR и записанными данными. В ходе работы сцены OpenUSD создавали или редактировали.
Готовы ли примеры Omniverse к использованию в архитектурной визуализации?
Источник не описывает эти примеры как готовый продукт или рабочий процесс для архитектурной визуализации. Требования к оборудованию, условия лицензирования и цены также не раскрыты.
