NVIDIA åpner SimReady Central, et gratis bibliotek med 3D-simuleringsressurser

NVIDIA kunngjorde SimReady Central Library 21. oktober 2026 og åpnet et bibliotek med simuleringsklare 3D-ressurser på Hugging Face for utviklere som lager treningsmiljøer for robotikk og digitale tvillinger av AI-fabrikker. I kunngjøringsinnlegget, skrevet av John Kosnik, Frank DeLise og Pomi Lee, beskriver NVIDIA biblioteket som et «gratis startpunkt uten adgangsbegrensninger» med mer enn 2 000 SimReady OpenUSD-ressurser.

Biblioteket omfatter infrastruktur og utstyr, fra robotarmer og gripeverktøy til lagerutstyr, reoler og kjøleinfrastruktur. Utviklere kan undersøke hvilke funksjoner hver ressurs støtter, og deretter kombinere ressurser fra ulike leverandører i en scene. Det aktive SimReady Central-grensesnittet viser 3 599 resultater fordelt på kategoriene industri (1 214), OEM (1 063), bolig (1 019), sykehus (256) og belysning (47). Filtrene omfatter profil, stive legemer, masse, lisens og dimensjoner. Blant ressursene som vises, er robotarmer fra Standard Bots, gripeverktøyene Robotiq 2F-85 og 2F-140, en oppvaskmaskin, et side-by-side-kjøleskap og kirurgiske roboter.

Hva gjør en ressurs SimReady-klar?

SimReady-ressurser er OpenUSD-ressurser som er klargjort med egenskapene som kreves i simuleringsarbeidsflyter. En detaljert 3D-modell, for eksempel en CAD-modell, er et nyttig utgangspunkt, men simulering krever ytterligere informasjon om hvordan et objekt skal tolkes og brukes. I en robotmanipuleringsoppgave kan dette omfatte objektets masse, kollisjonsgeometri og friksjonsegenskaper. I arbeidsflyter for AI-fabrikker kan det omfatte utstyrets geometri og metadata om elektriske eller termiske forhold som programmet krever. OpenUSD er i seg selv et åpent, utvidbart rammeverk for å beskrive og sette sammen 3D-scener. Når slike scener brukes til å trene og evaluere autonome maskiner, trengs det også informasjon om fysisk atferd, kollisjoner og samspill med sensorer.

SimReady Foundation tilbyr spesifikasjonene, profilene og valideringsverktøyene som tydeliggjør disse kravene. En profil definerer den logiske grupperingen av funksjoner og egenskaper en ressurs trenger for et bestemt bruksområde. Avhengig av ressursen og profilen kan disse omfatte kollisjonsgeometri og fysiske egenskaper for kontakt- og fysikksimulering i et støttet kjøremiljø, leddstruktur og bevegelsesgrenser for leddede roboter og bevegelig utstyr, semantiske etiketter for objektidentifisering og annoterte syntetiske data samt materialer og sensoregenskaper for gjengivelse og sensorsimulering. NVIDIA anbefaler utviklere å velge ressurser med profiler som passer til behovene i arbeidsflyten, og sette dem sammen i en OpenUSD-scene.

OEM-partnere og innsending av ressurser

NVIDIA nevner Vertiv som en OEM-leverandør til AI-fabrikker som bidrar med lagerutstyrsreoler, serverreoler, kjøleutstyr og tilhørende infrastruktur for digitale tvillinger. For robotikk-OEM-ene Comau, FANUC, Franka Robotics, Robotiq, Standard Bots og Universal Robots gjør biblioteket det enklere for team som bygger trenings- og evalueringsmiljøer, å finne robotarmer og gripeverktøy. Leverandøren av simuleringsressurser Palatial presenterer NVIDIA Robotics 1K Dataset, som ble lansert i samarbeid med NVIDIA Robotics, sammen med leddede ressurser generert fra tekst, bilder, skanninger, datablad og CAD. LG Electronics bidrar med ressurser for husholdningsapparater, blant annet kjøleskap og oppvaskmaskiner, og ForgeCAD bidrar med leddede robotikkobjekter med teksturer av høy kvalitet, ifølge NVIDIA.

OEM-er bidrar ved å bruke innsendingsfunksjonen for SimReady Central til å validere ressurser mot de relevante SimReady-profilene, pakke dem og sende dem inn for inkludering, samtidig som de administrerer sine egne Hugging Face-datasett. GitHub-repositoriet NVIDIA-Omniverse/simready-central, som er publisert under Apache-2.0-lisensen, fungerer som NVIDIAs inngangspunkt for gjennomgang av innsendingene. OEM-ene lagrer pakkene sine i offentlig tilgjengelige Hugging Face-datasett og bruker repositoriet til å sende inn de nøyaktige pakkeversjonene de vil at NVIDIA skal gjennomgå.

Før innsending fullfører en OEM en introduksjonsprosess som blant annet innebærer å oppgi et GitHub-brukernavn til sin NVIDIA-kontakt og godta en invitasjon som samarbeidspartner. NVIDIA anbefaler en agentstyrt arbeidsflyt der agenten følger ferdigheten submit-simready-assets og kjører simready-manage submit for å validere, pakke og laste opp hver ressurs. Deretter oppretter agenten en pull-forespørsel i SimReady Central som NVIDIA gjennomgår og slår sammen. Hver datasettoppføring i repositoriet er en tekstfil med uforanderlige URL-er til pakkedefinisjoner. Hver linje angir hvilken Hugging Face-commit en pakke er knyttet til, altså den commit-versjonen der pakken ble gjennomgått. Endringene trer først i kraft etter at pull-forespørselen er gjennomgått og slått sammen.

Søk og AI-assistert utforming av scener

NVIDIA USD Search driver søk med naturlig språk i SimReady Central Library. Hugging Face har integrert USD Search i plattformens søkefunksjon, med indekserte USD-egenskaper og simuleringsmetadata som hjelper agenter med å finne SimReady-ressurser som passer til oppgavene deres innen fysisk AI-simulering.

AI-assistert utforming gir en annen mulighet. Utviklere kan bruke ledende modeller som OpenAIs GPT-6 Astra sammen med verktøy for ressursøk og utforming av scener til å bygge miljøer fra SimReady Central. OEM-er kan bruke Astra til å forberede og forbedre OpenUSD-ressurser slik at de oppfyller kravene i SimReady Foundation, før ressursene valideres og sendes inn.

I et eksempel på robotisert plukk og plassering rettet mot Isaac Sim med PhysX sier NVIDIA at de forventer at Astra vil bruke SimReady Search API til å finne relevante ressurser distribuert på Hugging Face, referere til dem eller laste dem inn i en OpenUSD-scene, generere Python-kode for å sette sammen arbeidsstasjonen, konfigurere plukk-og-plasseringsoppgaven og gjengi en forhåndsvisning som brukeren kan vurdere. I et eksempel på en KI-fabrikk vil Astra sette sammen utvalgte SimReady-ressurser til to alternative OpenUSD-oppsett med reoler og kjøleutstyr, og deretter generere skript som kontrollerer om utstyret overlapper, og om det er tilstrekkelig fri plass i gangene, opp mot de oppgitte kravene, før en utvikler finjusterer den foretrukne konfigurasjonen.

NVIDIA lister opp flere måter å utvide hvert av miljøene på: Behold endringer i oppsett og oppgavespesifikke endringer i separate OpenUSD-lag, slik at de samme kildeobjektene kan brukes i flere eksperimenter; legg til flere ressurser og varier plasseringer, utstyrskonfigurasjoner eller infrastrukturen rundt; konfigurer oppgaver for trening og evaluering av robotikk i Isaac Lab, eller koble en KI-fabrikkscene til utstyrsdataene og simuleringsverktøyene som trengs for analyser av for eksempel strømfordeling eller kjøleytelse; og ta validerte oppsett i bruk ved å koble scenen til sanntidsdata fra BMS og IT-systemer. Disse miljøene kan støtte prosjekter som Microduck, en åpen kildekode-robot fra Hugging Face og Pollen Robotics.

Veikart og utviklerressurser

NVIDIA sier at veikartet for SimReady Central omfatter flere OEM-partnere og et voksende ressursbibliotek, og ber fellesskapet kommentere hvilke ressurser de trenger, hvilke kjøremiljøer de bruker, og hvor de støter på integrasjonsproblemer. For utviklere som skal i gang, viser NVIDIA til hurtigstartguidene for Isaac Sim og Isaac Lab, en gratis læringssti for OpenUSD, gratis kurs i fysisk KI, ferdigheter for overgangen fra CAD til SimReady og dokumentasjonen for SimReady Central Library. NVIDIA ber også om at feil meldes inn i SimReady Foundation, og at forslag til funksjoner knyttet til SimReady-krav sendes inn.