仿真对于自主系统的训练、测试和部署至关重要，而实现现实世界级别保真度的难度极高。
这需要对自主系统传感器和周围环境的物理特性和行为进行精确建模。
在 NVIDIA GTC 上发布的 Omniverse Cloud API（应用编程接口）旨在通过大规模、高保真的传感器仿真应对这一挑战，加速实现自主化。这些 API 汇集了一个由仿真工具、应用和传感器组成的丰富生态系统。
这些 API 满足了高保真传感器仿真的关键需求——以安全的方式探索自主系统将会遇到的无数现实场景。
另外，Omniverse Cloud 平台还为应用开发者提供了许多功能强大的通用场景描述（OpenUSD）、RTX 和支持生成式 AI 的服务级云 API，为下一代工具带来互操作性和符合物理学的渲染。
仿真是提升安全水平的关键
随着对机器人、自动驾驶汽车和其他 AI 系统需求的增加，开发者正在寻求能够加快其工作流的方法。传感器数据为这些系统的感知能力提供助力，使它们能够理解周围环境并实时做出明智决策。
一直以来，开发者都在使用现实世界的数据进行训练、测试和验证。
但这种方法在涵盖罕见场景或无法在现实世界中获取的数据方面存在局限性。传感器仿真提供了一种能够有效测试无数“假设”场景和各种环境条件的完美方式。
借助 Omniverse Cloud API，开发者可使用高保真传感器仿真改进他们所使用的工作流，以此应对开发全栈自主性的挑战。
这不仅简化并提高了开发流程的效率，还降低了各种公司开发自主机器的门槛。
生态系统优势
Omniverse Cloud API 通过将仿真器、验证和确认（V&V）工具、内容以及传感器开发者等汇聚成一个庞大的生态系统，创造了一个通用的 AI 系统开发环境。
CARLA、MathWorks、MITRE、Foretellix 和 Voxel51 等开发商和软件供应商纷纷强调了这些 API 对整个自动驾驶汽车领域的广泛吸引力。
CARLA 是一个 10 多万开发者在使用的开源自动驾驶汽车仿真器。借助 Omniverse Cloud API，CARLA 用户可以利用高保真传感器仿真改进其现有工作流。
MITRE 是致力于提高技术安全性的非营利机构。该机构同样正在为自动驾驶汽车行业建立一个用于验证自动驾驶解决方案的数字试验场。该数字试验场将使用 Omniverse API 为其开发者提供核心传感器仿真功能。
MathWorks 和 Foretellix 提供用于编写、执行、监控和调试测试场景的重要仿真工具。正如 GTC 大会上所演示的，通过将此类仿真和测试自动化工具与 API 相结合，可以为自动驾驶汽车开发构建一个强大的测试环境。
此外，通过将 API 与 Voxel51 的 FiftyOne 平台集成，开发者可以轻松地可视化并整理仿真中生成的 ground-truth 数据，简化并提高训练和测试的效率。
领先的工业传感器解决方案提供商 SICK AG 正在努力将这些 API 集成到其传感器开发流程中，以此减少物理原型的数量，实现设计修改快速迭代，并验证最终性能。自主系统开发者最终可以在其应用中使用这些经过验证的传感器模型。
开发者还可以访问不同制造商提供的传感器模型，包括激光雷达制造商禾赛科技、Innoviz Technologies、Luminar、MicroVision、Robosense（速腾聚创）和 Seyond；视觉传感器供应商 OMNIVISION、onsemi 和索尼半导体解决方案公司；以及雷达供应商 Continental、FORVIA HELLA 和 Arbe。
此外，AI/ML 开发者还可以调用这些 API 生成大量且多样的合成数据集，为训练和验证这些自主系统所使用的感知模型提供关键数据。
赋能开发者并加速创新
通过降低高保真传感器仿真的传统门槛，NVIDIA Omniverse Cloud API 赋予了开发者无需大规模改造基础设施即可解决复杂 AI 问题的能力。
这种推动先进仿真工具全民化的做法有望加速创新，帮助开发者快速适应最新的技术进步并将其集成到自己的测试和开发流程中。
申请抢先体验 Omniverse Cloud API。