NVIDIA åbner SimReady Central, et gratis bibliotek med 3D-simulationsaktiver

NVIDIA annoncerede SimReady Central Library den 21. oktober 2026 og åbnede et bibliotek med simulationsklare 3D-aktiver på Hugging Face for udviklere, der bygger træningsmiljøer til robotteknologi og digitale tvillinger af AI-fabrikker. I annonceringsindlægget, skrevet af John Kosnik, Frank DeLise og Pomi Lee, beskriver NVIDIA biblioteket som et »gratis udgangspunkt uden adgangsbegrænsninger«, der samler mere end 2.000 SimReady OpenUSD-aktiver.

Biblioteket omfatter infrastruktur og udstyr lige fra robotarme og gribere til lagerudstyr, reoler og køleinfrastruktur. Udviklere kan undersøge, hvilke funktioner hvert aktiv understøtter, og derefter kombinere aktiver fra forskellige leverandører i en scene. Den aktive SimReady Central-grænseflade viser 3.599 resultater fordelt på kategorierne Industri (1.214), OEM (1.063), Bolig (1.019), Hospital (256) og Belysning (47). Filtrene omfatter profil, stive legemer, masse, licens og dimensioner, og blandt de viste aktiver er robotarme fra Standard Bots, Robotiq 2F-85- og 2F-140-gribere, en opvaskemaskine, et side-by-side-køleskab og kirurgiske robotter.

Hvad gør et aktiv SimReady-klart

SimReady-aktiver er OpenUSD-aktiver, der er klargjort med de egenskaber, som kræves til simuleringsarbejdsgange. En detaljeret 3D-model, f.eks. en CAD-model, er et godt udgangspunkt, men simulering kræver yderligere oplysninger om, hvordan et objekt skal fortolkes og bruges. Til en robotmanipulationsopgave kan det omfatte objektets masse, kollisionsgeometri og friktionsegenskaber; til arbejdsgange for AI-fabrikker kan det omfatte udstyrets geometri og de elektriske eller termiske metadata, som en applikation kræver. OpenUSD er i sig selv et åbent og udvideligt rammeværk til at beskrive og sammensætte 3D-scener, og brug af disse scener til at træne og evaluere autonome maskiner kræver også oplysninger om fysisk adfærd, kollisioner og sensorinteraktioner.

SimReady Foundation leverer specifikationerne, profilerne og valideringsværktøjerne, der tydeliggør disse krav. En profil definerer den logiske gruppering af funktioner og egenskaber, som et aktiv skal have til et bestemt anvendelsesformål. Afhængigt af aktivet og profilen kan disse omfatte kollisionsgeometri og fysiske egenskaber til kontakt- og fysiksimulering i et understøttet kørselsmiljø, ledstruktur og grænser for bevægelse af artikulerede robotter og udstyr, semantiske etiketter til objektidentifikation og annoterede syntetiske data samt materialer og sensoregenskaber til rendering og sensorsimulering. NVIDIA anbefaler, at udviklere vælger aktiver med profiler, der passer til deres arbejdsgange, og sammensætter dem i en OpenUSD-scene.

OEM-partnere og indsendelsesprocessen

NVIDIA nævner Vertiv som en OEM-leverandør til AI-fabrikker, der bidrager med lagerudstyr, rackskabe til servere, køleudstyr og understøttende infrastruktur til digitale tvillinger. For robotproducenterne Comau, FANUC, Franka Robotics, Robotiq, Standard Bots og Universal Robots gør biblioteket det muligt for teams, der bygger trænings- og evalueringsmiljøer, at finde robotarme og gribere. Simulationsleverandøren Palatial har NVIDIA Robotics 1K Dataset, der er udgivet i samarbejde med NVIDIA Robotics, samt artikulerede aktiver, der er genereret ud fra tekst, billeder, scanninger, datablade og CAD. LG Electronics bidrager med aktiver af husholdningsapparater som køleskabe og opvaskemaskiner, og ForgeCAD bidrager med artikulerede robotrekvisitter med det, NVIDIA beskriver som teksturer af høj kvalitet.

OEM’er bidrager ved at bruge indsendelsesværktøjet SimReady Central til at validere aktiver i forhold til de relevante SimReady-profiler, pakke dem og indsende dem med henblik på optagelse, samtidig med at de administrerer deres egne datasæt på Hugging Face. GitHub-repositoriet NVIDIA-Omniverse/simready-central, der er udgivet under Apache-2.0-licensen, fungerer som NVIDIAs indgang til gennemgang af disse indsendelser: OEM’er gemmer deres pakker i offentligt tilgængelige datasæt på Hugging Face og bruger repositoriet til at indsende de præcise pakkeversioner, som de ønsker, at NVIDIA skal gennemgå.

Før indsendelsen gennemfører en OEM en introduktionsproces, der omfatter at oplyse et GitHub-brugernavn til sin NVIDIA-kontakt og acceptere en invitation som samarbejdspartner. NVIDIA anbefaler en agentstyret arbejdsgang, hvor agenten følger færdigheden submit-simready-assets og kører simready-manage submit for at validere, pakke og overføre hvert aktiv og derefter opretter en pull request i SimReady Central, som NVIDIA gennemgår og sammenfletter. Hver datasætpost i repositoriet er en tekstfil med uforanderlige URL’er til pakkedefinitioner, hvor hver linje knytter én pakke til den commit på Hugging Face, som den blev gennemgået ved; ændringer træder først i kraft, når pull requesten er gennemgået og sammenflettet.

Søgning og AI-assisteret oprettelse af scener

NVIDIA USD Search driver søgning med naturligt sprog i SimReady Central Library, og Hugging Face har integreret USD Search i platformens søgning med indekserede USD-egenskaber og simuleringsmetadata, så agenter lettere kan finde SimReady-aktiver, der passer til deres simuleringsopgaver inden for fysisk AI.

AI-assisteret oprettelse giver en anden mulighed. Udviklere kan bruge avancerede modeller som OpenAI’s GPT-6 Astra sammen med værktøjer til aktivsøgning og sceneoprettelse til at bygge miljøer fra SimReady Central; OEM’er kan bruge Astra til at forberede og forfine OpenUSD-aktiver, så de opfylder kravene i SimReady Foundation, inden aktiverne valideres og indsendes.

I et eksempel på robotbaseret plukning og placering med Isaac Sim og PhysX som målplatform siger NVIDIA, at Astra forventes at forespørge SimReady Search API for at finde relevante aktiver, der er distribueret på Hugging Face, referere til dem eller indlæse dem som payloads i en OpenUSD-scene, generere Python-kode til at samle arbejdscellen, konfigurere plukke- og placeringsopgaven og gengive en forhåndsvisning til brugergennemgang. I et eksempel fra en AI-fabrik ville Astra samle udvalgte SimReady-aktiver i to alternative OpenUSD-layouts med rack og køleudstyr og derefter generere scripts, der kontrollerer udstyrets overlap og gangbredder i forhold til de angivne krav, inden en udvikler finjusterer den foretrukne konfiguration.

NVIDIA nævner flere måder at udvide begge miljøer på: Behold layout- og opgavespecifikke ændringer i separate OpenUSD-lag, så de samme kildeaktiver kan bruges til flere eksperimenter; tilføj flere aktiver, og varier placeringer, udstyrskonfigurationer eller den omgivende infrastruktur; konfigurer trænings- og evalueringsopgaver for robotteknologi i Isaac Lab, eller forbind en AI-fabriksscene med de udstyrsdata og simuleringsværktøjer, der er nødvendige for analyser som strømfordeling eller køleevne; og overfør validerede layouts til driften ved at forbinde scenen med live-telemetri fra BMS og IT. Disse miljøer kan understøtte projekter som Microduck, en open source-robot fra Hugging Face og Pollen Robotics.

Køreplan og udviklerressourcer

NVIDIA oplyser, at SimReady Centrals køreplan omfatter flere OEM-partnere og et voksende aktivbibliotek, og beder fællesskabet om at fortælle, hvilke aktiver de har brug for, hvilke kørselsmiljøer de bruger, og hvor de støder på integrationsproblemer. Til udviklere, der skal i gang, henviser NVIDIA til introduktionsvejledningerne til Isaac Sim og Isaac Lab, et gratis læringsforløb i OpenUSD, gratis kurser i fysisk AI, færdigheder inden for CAD-til-SimReady og dokumentationen til SimReady Central Library. NVIDIA beder desuden om, at man indberetter fejl i SimReady Foundation eller sender forslag til funktioner i SimReady-kravene.