工業界正不斷尋求優化工作流程的方法，這也驅使企業紛紛採用工業與物理 AI 解決方案。然而，要在工廠與製造廠等工業環境中擴展 AI 的應用，卻面臨著重重挑戰，例如分散的資料管道、孤立的工具，以及對於即時、高擬真度模擬的迫切需求。
為了解決這些複雜問題，NVIDIA 推出 Mega NVIDIA Omniverse 藍圖。這項創新的框架提供了一個可擴展的參考工作流程，專為在工業設施數位雙生中模擬多機器人車隊而設計，特別是那些使用 NVIDIA Omniverse 平台建構的數位雙生。
包括 Accenture、鴻海 (Foxconn)、均豪精密 (Kenmec)、凱傲集團 (KION) 和和碩 (Pegatron) 在內的工業 AI 領導廠商，正積極運用此藍圖，目標是加速物理 AI 的採用，並開發能夠在工業環境中有效率地執行任務的自主系統。
此藍圖建立在通用場景描述 (OpenUSD) 框架的基礎上，促進了無縫的資料互通性、即時協作和 AI 驅動的決策。它通過統一不同的資料來源並提高模擬的擬真度來實現這些目標。
工業巨擘擁抱 Mega 藍圖
在漢諾威工業博覽會 (Hannover Messe) 上，Accenture 和舍弗勒 (Schaeffler) 展示了 Mega 藍圖在測試機器人車隊方面的能力。這包括使用通用型人形機器人，例如 Agility Robotics 的 Digit，在套件和調試區域執行物料搬運任務。
凱傲集團 (KION) 與 Accenture 合作，目前正在使用 Mega 來優化倉庫和配送流程。
此外，Accenture 和鴻海 (Foxconn) 的代表在 3 月舉行的 NVIDIA GTC 全球 AI 大會上分享了見解，強調了將 Mega 整合到其工業 AI 工作流程中的正面影響。
使用 Mega 加速工業 AI：深入探討
Mega 藍圖通過一系列強大的功能，使開發人員能夠加速物理 AI 工作流程：
機器人車隊模擬： 此藍圖可以在安全的虛擬環境中嚴格測試和全面培訓各種機器人車隊。這確保了在真實場景中的無縫協作和最佳性能。
數位雙生： 借助數位雙生，企業可以在將自主系統部署到物理環境中之前，對其進行模擬和完善。這種迭代過程有助於優化和降低風險。
感測器模擬和合成資料產生： 產生逼真的感測器資料對於確保機器人能夠準確感知和回應周圍環境至關重要。此藍圖通過提供用於創建模擬真實條件的合成資料的工具來促進這一點。
設施和車隊管理系統整合： 此藍圖將機器人車隊與現有的管理系統無縫連接。這種整合實現了高效的協調、簡化的工作流程和優化的資源分配。
機器人大腦作為容器： 便攜式、隨插即用的模組確保了機器人性能的一致性和簡化的管理。這種模組化的方法可以輕鬆進行更新和自定義。
基於 OpenUSD 的世界模擬器： NVIDIA Omniverse 和 OpenUSD 提供了一個強大的平台，用於在高度逼真的虛擬環境中模擬工業設施。這使得 AI 系統的全面測試和驗證成為可能。
Omniverse Cloud Sensor RTX API： 準確的感測器模擬對於確保 AI 系統的可靠性至關重要。NVIDIA Omniverse Cloud 應用程式介面提供了創建工業設施詳細虛擬副本所需的工具。
排程器： 內建的排程器管理複雜的任務和資料依賴關係，確保順暢高效的運營。
視訊分析 AI 代理： 整合使用 NVIDIA AI Blueprint for video search and summarization (VSS) 構建的 AI 代理，並利用 NVIDIA Metropolis，可增強運營洞察力，並提供有價值的資料以供決策。
最新的 Omniverse Kit SDK 107 版本通過提供機器人應用程式開發的重大更新和增強的模擬功能（包括 RTX Real-Time 2.0），進一步加速了工業 AI 的開發。
深入探討 Omniverse 生態系統
Omniverse 生態系統是一個充滿活力且快速發展的環境。要真正駕馭其力量，必須深入研究其各個組成部分，並探索開發人員和從業人員可用的資源。
一個關鍵方面是理解通用場景描述 (OpenUSD) 框架，它是 Omniverse 中資料互通性和協作的基礎。OpenUSD 允許在不同的應用程式和平台之間無縫交換 3D 資料，打破了經常阻礙複雜專案的孤島。
詳細探索 OpenUSD
OpenUSD 不僅僅是一種檔案格式，它是一個用於描述、組合和模擬 3D 場景的綜合框架。它提供了廣泛的功能，包括：
分層組合： OpenUSD 允許通過將多個 USD 檔案分層組合在一起來創建複雜的場景。這實現了模組化和可重用性，從而更容易管理大型而複雜的專案。
非破壞性編輯： 對 USD 場景的一個圖層所做的更改不會影響底層圖層。這允許進行實驗和迭代，而不會有損壞原始資料的風險。
變體集合： OpenUSD 支援變體集合，它允許在單個 USD 檔案中創建場景或資產的多個版本。這對於創建不同的配置或細節層次很有用。
架構： OpenUSD 架構定義了不同類型 3D 物件的結構和屬性。這確保了不同應用程式之間的一致性和互通性。
利用 Omniverse Cloud 進行可擴展的模擬
NVIDIA Omniverse Cloud 提供了一個強大的平台，用於大規模運行模擬。它提供了一系列功能，包括：
RTX 驅動的渲染： Omniverse Cloud 利用 NVIDIA 的 RTX 技術來提供照片般逼真的渲染能力。這允許創建高度逼真的模擬，準確地反映真實世界的條件。
可擴展的計算： Omniverse Cloud 提供對大量計算資源的訪問，允許模擬複雜的場景，這些場景無法在本地機器上運行。
協作工具： Omniverse Cloud 包含一系列協作工具，允許團隊即時協同處理模擬。這促進了溝通並加速了開發過程。
感測器模擬的重要性
準確的感測器模擬對於開發穩健且可靠的 AI 系統至關重要。通過在虛擬環境中模擬感測器的行為，開發人員可以測試和驗證他們的演算法，而無需昂貴且耗時的真實世界實驗。
Omniverse 提供了各種感測器模擬工具，包括：
光線追蹤： 光線追蹤可用於模擬相機和 LiDAR 感測器的行為，提供逼真的圖像和點雲。
物理模擬： 物理模擬可用於模擬慣性測量單元 (IMU) 和其他測量運動和加速度的感測器的行為。
合成資料產生： Omniverse 可用於產生模擬真實世界感測器輸出的合成資料。此資料可用於訓練 AI 模型並驗證其性能。
與現有工業系統整合
為了真正有效，工業 AI 系統必須與現有的工業系統（例如製造執行系統 (MES) 和企業資源規劃 (ERP) 系統）無縫整合。這種整合允許在組織的不同部分之間共享資料和協調活動。
Omniverse 提供了各種與現有工業系統整合的工具，包括：
API： Omniverse 提供了一套全面的 API，允許開發人員訪問和操作 Omniverse 環境中的資料。
連接器： Omniverse 連接器提供了與一系列流行的工業系統的預構建整合。
SDK： Omniverse SDK 允許開發人員創建與任何工業系統的自定義整合。
AI 在 Omniverse 中的作用
AI 在 Omniverse 中發揮著至關重要的作用，它支援了廣泛的應用，包括：
自主導航： AI 演算法可用於使機器人和其他車輛能夠在 Omniverse 環境中自主導航。
物件識別： AI 演算法可用於識別和分類 Omniverse 環境中的物件。
異常檢測： AI 演算法可用於檢測 Omniverse 環境中資料的異常。
預測性維護： AI 演算法可用於預測設備何時可能發生故障，從而實現主動維護。
Omniverse 賦能工業 AI 的未來
Omniverse 有望徹底改變工業 AI，從而開創自動化、效率和創新 的新時代。通過提供一個在虛擬環境中模擬、測試和部署 AI 系統的平台，Omniverse 降低了風險、加速了開發並釋放了新的可能性。
隨著 Omniverse 的不斷發展，我們可以期望看到更多令人興奮的工業 AI 應用，包括：
整個工廠的數位雙生： 創建整個工廠數位雙生的能力將允許優化生產流程、減少浪費和提高安全性。
AI 驅動的設計和工程： AI 演算法將用於自動化新產品的設計和工程，從而減少開發的時間和成本。
個人化製造： AI 演算法將用於個人化製造流程，允許創建滿足個別客戶特定需求的自定義產品。
Omniverse 不僅僅是一種技術，它是一種典範轉移。這是一種關於我們如何設計、構建和運營工業系統的新思維方式。通過擁抱 Omniverse，企業可以釋放工業 AI 的全部潛力，並創造一個更高效、更可持續和更具競爭力的未來。
這項技術為尋求優化運營、提高效率和推動創新的企業帶來了巨大的希望。隨著 Omniverse 的不斷發展，它有望重塑工業格局，並為製造業及其他產業的未來開啟新的可能性。