实时 AI 正在帮助处理制造业、工厂物流和机器人领域中的繁重工作。
这些行业通常涉及体积庞大的产品、昂贵的设备、协作机器人环境和物流复杂的设施。在这些行业中，仿真优先的方法正在引领下一发展阶段的自动化。
NVIDIA 创始人兼首席执行官黄仁勋在 GTC 主题演讲中展示了开发者如何使用数字孪生完全通过仿真来实现大规模实时 AI 的开发、测试和完善，然后再将其推广到工业基础设施中，从而节省大量时间和成本。
NVIDIA Omniverse、Metropolis、Isaac 和 cuOpt 在 AI Gym 中互动，开发者可以在此训练 AI 智能体来帮助机器人和人类应对不可预测或复杂的事件。
在以上演示中，一个 10 万平方英尺仓库的数字孪生（使用 NVIDIA Omniverse 平台构建，用于开发和连接 OpenUSD 应用）可用作几十个数字工作者和多个自主移动机器人 (AMR)、 视觉 AI 智能体和传感器的仿真环境。
运行 NVIDIA Isaac Perceptor 多传感器栈的每个 AMR 会处理来自六个传感器的视觉信息，而所有信息都会在数字孪生中进行仿真。
与此同时，NVIDIA Metropolis 视觉 AI 平台针对整个仓库工作者活动构建了一个集中式地图，将来自 100 个模拟安装在天花板的摄像头串流的数据与多摄像头追踪融合在一起。
这种集中式占用地图能够为 NVIDIA cuOpt 引擎提供信息，帮助计算出最优 AMR 路径，以解决复杂的路径问题。
cuOpt 是一款具有突破性的优化 AI 微服务，其使用 GPU 加速进化算法来解决具有多重约束的复杂路径问题。
所有过程均实时进行，同时，Isaac Mission Control 使用来自 cuOpt 的地图数据和路径图来协调整个车队，发送和执行 AMR 命令。
AI Gym 助力实现工业数字化
AI 智能体可以在大规模工业环境中提供帮助，例如管理工厂中的机器人车队或确定供应链配送中心中人机协作的精简配置。
为构建这些复杂的智能体，开发者需要可用作 AI Gym 的数字孪生 —— 一个用于 AI 评估、仿真和训练的物理精确环境。
这种软件在环 AI 测试让 AI 智能体和 AMR 能够适应现实世界的不可预测性。
在以上演示中，AMR 的计划路径中发生了一起事故，堵塞了该路径并阻止其拾取托盘。
NVIDIA Metropolis 更新了占用网格，将所有人员、机器人和物体映射在一个视图中。然后，cuOpt 会规划出一条最优路径，AMR 随即做出相应响应，从而尽可能减少宕机时间。
通过为 NVIDIA Visual Insight Agent (VIA) 框架提供支持的 Metropolis 视觉基础模型，AI 智能体可以帮助运营团队回答诸如“工厂的第三通道发生了什么情况？”这类的问题。
采用生成式 AI 技术的智能体可以提供各种即时信息，例如“下午 3:30 箱子从货架上掉下来，堵塞了通道”。
开发者可以使用 VIA 框架来构建那些使用视觉语言模型处理大量实时或存档视频和图像的 AI 智能体，无论是部署在边缘还是云端。
新一代视觉 AI 智能体将帮助所有行业来使用自然语言，从视频中总结、搜索和提取切实可行的见解。
所有这些 AI 功能都可以通过持续且基于仿真的训练来增强，并部署为模块化的 NVIDIA NIM 推理微服务。
参加 NVIDIA GTC，了解更多有关生成式 AI 和工业数字化的最新进展，NVIDIA GTC 是全球性 AI 盛会，本届大会将持续至太平洋时间 3 月 21 日（星期四），欢迎前往圣何塞会议中心或在线参会。