NVIDIA udostępnia SimReady Central — bezpłatną bibliotekę zasobów 3D do symulacji

21 października 2026 r. NVIDIA ogłosiła uruchomienie SimReady Central Library — biblioteki zasobów 3D gotowych do symulacji, dostępnej w serwisie Hugging Face dla deweloperów tworzących środowiska do trenowania robotów i cyfrowe bliźniaki fabryk AI. We wpisie ogłoszeniowym, którego autorami są John Kosnik, Frank DeLise i Pomi Lee, NVIDIA opisuje bibliotekę jako „bezpłatny punkt wyjścia, dostępny bez ograniczeń”, obejmujący ponad 2000 zasobów SimReady OpenUSD.

Biblioteka obejmuje infrastrukturę i wyposażenie — od ramion robotycznych i chwytaków po sprzęt magazynowy, regały i infrastrukturę chłodniczą. Deweloperzy mogą sprawdzić, jakie możliwości obsługuje każdy zasób, a następnie łączyć zasoby od różnych dostawców w jednej scenie. Interfejs SimReady Central dostępny na żywo wyświetla 3599 wyników w kategoriach: przemysł (1214), OEM (1063), budownictwo mieszkaniowe (1019), szpitale (256) i oświetlenie (47). Filtry obejmują profile, bryły sztywne, masę, licencję i wymiary. Wśród wymienionych zasobów znajdują się ramiona robotyczne Standard Bots, chwytaki Robotiq 2F-85 i 2F-140, zmywarka, lodówka side-by-side oraz roboty chirurgiczne.

Co sprawia, że zasób jest SimReady

Zasoby SimReady to zasoby OpenUSD przygotowane z właściwościami wymaganymi w procesach symulacji. Szczegółowy model 3D, na przykład model CAD, stanowi przydatny punkt wyjścia, ale symulacja wymaga dodatkowych informacji o tym, jak należy interpretować obiekt i jak go używać. W przypadku zadania manipulacji robotem mogą to być masa obiektu, geometria kolizyjna i właściwości tarcia; w procesach pracy nad fabryką AI — geometria urządzeń oraz metadane elektryczne lub termiczne wymagane przez aplikację. Sam OpenUSD to otwarty, rozszerzalny framework służący do opisywania i komponowania scen 3D. Wykorzystywanie tych scen do trenowania i oceny maszyn autonomicznych wymaga także informacji o zachowaniu fizycznym, kolizjach i interakcjach z czujnikami.

SimReady Foundation udostępnia specyfikacje, profile i narzędzia walidacyjne, które precyzują te wymagania. Profil określa logiczny zestaw funkcji i możliwości potrzebnych zasobowi w konkretnym przypadku użycia. Zależnie od zasobu i profilu mogą one obejmować geometrię kolizyjną i właściwości fizyczne potrzebne do symulacji kontaktu i fizyki w obsługiwanym środowisku uruchomieniowym, strukturę przegubów i ograniczenia ruchu przegubowego robotów oraz urządzeń, etykiety semantyczne służące do identyfikacji obiektów i tworzenia opatrzonych adnotacjami danych syntetycznych, a także materiały i atrybuty czujników potrzebne do renderowania i symulacji czujników. NVIDIA zaleca, by deweloperzy wybierali zasoby, których profile odpowiadają potrzebom ich procesów pracy, i łączyli je w scenę OpenUSD.

Partnerzy OEM i proces zgłaszania zasobów

NVIDIA wymienia firmę Vertiv jako producenta OEM dla fabryk AI, który dostarcza regały do wyposażenia magazynów, szafy serwerowe, urządzenia chłodnicze i infrastrukturę pomocniczą na potrzeby cyfrowych bliźniaków. W przypadku producentów OEM z branży robotyki — Comau, FANUC, Franka Robotics, Robotiq, Standard Bots i Universal Robots — biblioteka ułatwia zespołom tworzącym środowiska do trenowania i oceny znajdowanie ramion robotycznych i chwytaków. Dostawca zasobów symulacyjnych Palatial udostępnia NVIDIA Robotics 1K Dataset, opublikowany we współpracy z NVIDIA Robotics, a także zasoby przegubowe wygenerowane na podstawie tekstu, obrazów, skanów, kart katalogowych i projektów CAD. LG Electronics dostarcza zasoby przedstawiające sprzęt AGD, takie jak lodówki i zmywarki, a ForgeCAD — artykułowane elementy do scen robotycznych z teksturami, które NVIDIA określa jako wysokiej jakości.

Producenci OEM zgłaszają zasoby, korzystając z narzędzia SimReady Central do przesyłania, które pozwala zweryfikować je pod kątem odpowiednich profili SimReady, spakować i przesłać do biblioteki, a jednocześnie zarządzać własnymi zbiorami danych w Hugging Face. Repozytorium GitHub NVIDIA-Omniverse/simready-central, opublikowane na licencji Apache-2.0, służy firmie NVIDIA jako punkt przyjmowania zgłoszeń do weryfikacji: producenci OEM przechowują pakiety w publicznie dostępnych zbiorach danych Hugging Face i korzystają z repozytorium, by zgłaszać dokładne wersje pakietów, które chcą przekazać do weryfikacji NVIDIA.

Przed zgłoszeniem producent OEM przechodzi proces wdrożeniowy, który obejmuje przekazanie osobie kontaktowej w NVIDIA nazwy użytkownika w serwisie GitHub i zaakceptowanie zaproszenia do współpracy. NVIDIA zaleca przepływ pracy wspomagany przez agenta: agent korzysta z narzędzia submit-simready-assets i uruchamia polecenie simready-manage submit, aby zweryfikować, spakować i przesłać każdy zasób, a następnie otwiera pull request w SimReady Central, który NVIDIA sprawdza i scala. Każdy wpis zbioru danych w repozytorium to plik tekstowy zawierający niezmienne adresy URL definicji pakietów; każdy wiersz przypisuje jeden pakiet do rewizji Hugging Face, na podstawie której został zweryfikowany. Zmiany wchodzą w życie dopiero po sprawdzeniu i scaleniu pull requesta.

Wyszukiwanie i wspomagane przez AI tworzenie scen

NVIDIA USD Search umożliwia wyszukiwanie w SimReady Central Library za pomocą języka naturalnego, a Hugging Face zintegrował USD Search z funkcją wyszukiwania na swojej platformie. Indeksowane właściwości USD i metadane symulacyjne pomagają agentom znajdować zasoby SimReady odpowiednie do zadań symulacyjnych związanych z fizyczną AI.

Tworzenie wspomagane przez AI otwiera kolejną możliwość. Deweloperzy mogą korzystać z najnowocześniejszych modeli, takich jak GPT-6 Astra firmy OpenAI, w połączeniu z narzędziami do wyszukiwania zasobów i tworzenia scen, aby budować środowiska na podstawie SimReady Central. Producenci OEM mogą używać Astry do przygotowywania i udoskonalania zasobów OpenUSD zgodnie z wymaganiami SimReady Foundation, zanim poddadzą je walidacji i zgłoszą.

W przykładzie zrobotyzowanego zadania pobierania i odkładania, przeznaczonego dla Isaac Sim i wykorzystującego PhysX, NVIDIA twierdzi, że Astra ma wyszukiwać odpowiednie zasoby za pomocą interfejsu API SimReady Search, odnajdywać je wśród zasobów udostępnionych na Hugging Face, odwoływać się do nich lub wczytywać je do sceny OpenUSD, generować kod w Pythonie do złożenia stanowiska roboczego, konfigurować zadanie pobierania i odkładania oraz renderować podgląd do oceny przez użytkownika. W przykładzie fabryki AI Astra ma zestawić wybrane zasoby SimReady w dwóch alternatywnych układach regałów i urządzeń chłodzących w OpenUSD, a następnie wygenerować skrypty sprawdzające, czy urządzenia nachodzą na siebie i czy zachowano wymagane szerokości przejść, zgodnie z przekazanymi wymaganiami, zanim programista dopracuje preferowaną konfigurację.

NVIDIA wymienia kilka sposobów rozbudowy obu środowisk: przechowywanie zmian dotyczących układu i konkretnych zadań w oddzielnych warstwach OpenUSD, tak aby te same zasoby źródłowe można było wykorzystywać w wielu eksperymentach; dodawanie kolejnych zasobów i zmienianie ich rozmieszczenia, konfiguracji urządzeń lub otaczającej infrastruktury; konfigurowanie zadań szkoleniowych i ewaluacyjnych robotów w Isaac Lab albo łączenie sceny fabryki AI z danymi o urządzeniach i narzędziami symulacyjnymi potrzebnymi do analiz, takich jak dystrybucja energii czy wydajność chłodzenia; a także wdrażanie sprawdzonych układów w działających obiektach przez połączenie sceny z bieżącymi danymi telemetrycznymi systemów BMS i IT. Środowiska te mogą wspierać projekty takie jak Microduck — otwarty robot stworzony przez Hugging Face i Pollen Robotics.

Plan rozwoju i zasoby dla programistów

NVIDIA informuje, że plan rozwoju SimReady Central obejmuje pozyskanie kolejnych partnerów OEM i rozbudowę biblioteki zasobów, a także prosi społeczność o komentarze na temat potrzebnych zasobów, używanych środowisk uruchomieniowych i napotykanych problemów z integracją. Programistom rozpoczynającym pracę NVIDIA poleca krótkie przewodniki po Isaac Sim i Isaac Lab, bezpłatną ścieżkę nauki OpenUSD, bezpłatne kursy z zakresu fizycznej AI, umiejętności konwersji CAD do SimReady oraz dokumentację biblioteki SimReady Central. Prosi też o zgłaszanie błędów w SimReady Foundation oraz propozycji nowych funkcji związanych z wymaganiami SimReady.