生成式 AI 和基础模型让自主机器的能力能够超越其所训练的操作设计领域。通过标记化和大型语言及扩散模型等新 AI 技术，开发者和研究人员现可解决自主性方面长期以来面临的障碍。
这些更大型的模型需要大量多样化的数据进行训练、微调和验证。但是，收集这些包括罕见的边缘案例和潜在危险场景的数据可能非常困难，且需要大量资源，例如行人从夜间行驶的自动驾驶汽车（AV）前穿过，或工人进入焊接机器人作业单元。
为了帮助开发者填补这一空白，NVIDIA Omniverse Cloud Sensor RTX API 支持物理精确的传感器仿真，从而大规模生成数据集。应用程序编程接口（API）旨在支持自主运行中常用的传感器，包括摄像头、雷达和激光雷达，并可以无缝集成到现有工作流中，以加速各类自动驾驶汽车和机器人的开发。
Omniverse Sensor RTX API 现已向部分开发者开放抢先体验。埃森哲、Foretellix、MITRE 和 Mcity 等机构正在通过特定领域的蓝图整合这些 API，为终端客户提供部署新一代工业制造机器人和自动驾驶汽车所需的工具。
利用 Omniverse Blueprints 为工业 AI 提供动力
在工厂和仓库等复杂环境中，机器人必须被精心协调，以便与机器和工人一起安全有效地工作。所有这些移动部件在设计、测试或验证操作时带来了巨大的挑战，同时还要避免造成干扰。
Mega 是一款 Omniverse Blueprint，为企业提供 NVIDIA 加速计算、AI、NVIDIA Isaac 和 NVIDIA Omniverse 技术的参考架构。企业可以使用 Mega 来开发数字孪生，并测试 AI 赋能的驱动机器人、摄像头、设备等的机器人大脑，以大规模处理非常复杂的情境。
该蓝图集成了 Omniverse Sensor RTX，可让机器人开发者同时渲染来自工厂各类型智能机器的传感器数据，以进行高保真、大规模的传感器仿真。
借助在仿真中测试操作和工作流的能力，制造商可节省大量时间和投资，并以全新的方式提高效率。
国际供应链解决方案公司 KION Group 和埃森哲正在使用 Mega 蓝图构建 Omniverse 数字孪生，用作工业 AI 机器人大脑的虚拟训练和测试环境，充分利用了智能摄像头、叉车、机器人设备和数字人生成的数据。
机器人大脑通过 Omniverse Sensor RTX API 渲染的物理精确的传感器数据感知仿真环境。它们利用这些数据来进行规划和行动，每一步都通过 Mega 精确跟踪，并与数字孪生中所有资产的状态和位置同步。借助这些功能，开发者可以在物理世界实施前，不断构建和测试新的布局。
推动自动驾驶汽车开发和验证
自动驾驶汽车开发已有十多年的历史，但在获取正确的训练和验证数据方面存在障碍，而且迭代周期缓慢，阻碍了大规模部署。
为了满足传感器数据的需求，众多公司正在利用 NVIDIA Omniverse Blueprint 进行自动驾驶汽车仿真，这是一个可实现物理精确传感器仿真的参考工作流。该工作流使用 Omniverse Sensor RTX API 来渲染自动驾驶汽车开发和验证所需的摄像头、雷达和激光雷达数据。
自动驾驶汽车工具链提供商 Foretellix 已将该蓝图集成到其 Foretify AV 开发工具链中，将对象级仿真转换为物理精确的传感器仿真。
Foretify 工具链可以同时生成任意数量的测试场景。通过为这些场景添加传感器仿真功能，Foretify 现可以让开发者评估其自动驾驶汽车开发的完整性，并在实现大规模安全部署所需的保真度和规模水平上进行训练和测试。此外，Foretellix 将使用新发布的 NVIDIA Cosmos 平台，为各种认证和验证生成更为多样化的场景。
Nuro 是一家拥有 L4 级自动驾驶技术的大型供应商，正在使用 Foretify 工具链在部署前对其自动驾驶车辆进行培训、测试和验证。
此外，研究机构 MITRE 正在与密歇根大学的 Mcity 测试中心合作，以建立一个用于监管的数字自动驾驶汽车验证框架，包括 Mcity 占地 32 英亩的自动驾驶汽车试验场的数字孪生。该项目使用自动驾驶汽车仿真蓝图，在虚拟环境中大规模渲染物理精确的传感器数据，以提高训练效率。
得益于高保真度传感器模拟的强大功能，机器人和自主化正成为未来的焦点。在 CES 访问埃森哲和 Foretellix 展位，了解更多关于这些解决方案的详情。
查阅相关软件产品信息说明。