NVIDIA öppnar SimReady Central, ett kostnadsfritt bibliotek med 3D-simuleringstillgångar

NVIDIA tillkännagav SimReady Central Library den 21 oktober 2026 och öppnade därmed ett bibliotek med simuleringsklara 3D-tillgångar på Hugging Face för utvecklare som bygger träningsmiljöer för robotik och digitala tvillingar av AI-fabriker. I tillkännagivandet, författat av John Kosnik, Frank DeLise och Pomi Lee, beskriver NVIDIA biblioteket som en ”kostnadsfri startpunkt utan åtkomstbegränsningar” som samlar fler än 2 000 SimReady OpenUSD-tillgångar.

Biblioteket omfattar infrastruktur och utrustning, från robotarmar och gripdon till lagerutrustning, ställningar och kylsystem. Utvecklare kan kontrollera vilka funktioner varje tillgång stöder och sedan kombinera tillgångar från olika leverantörer i en scen. Det tillgängliga gränssnittet för SimReady Central visar 3 599 träffar i kategorierna industri (1 214), OEM (1 063), bostäder (1 019), sjukhus (256) och belysning (47). Filtren omfattar profil, stela kroppar, massa, licens och mått. Bland tillgångarna finns robotarmar från Standard Bots, gripdonen Robotiq 2F-85 och 2F-140, en diskmaskin, ett side-by-side-kylskåp och kirurgiska robotar.

Vad gör en tillgång SimReady?

SimReady-tillgångar är OpenUSD-tillgångar som förberetts med de egenskaper som krävs för simuleringsarbetsflöden. En detaljerad 3D-modell, till exempel CAD, är en bra utgångspunkt, men simulering kräver ytterligare information om hur ett objekt ska tolkas och användas. För en uppgift där en robot manipulerar objekt kan det handla om objektets massa, kollisionsgeometri och friktionsegenskaper. För arbetsflöden inom AI-fabriker kan det även omfatta utrustningens geometri och de elektriska eller termiska metadata som ett program behöver. OpenUSD är i sig ett öppet och utbyggbart ramverk för att beskriva och sätta samman 3D-scener. För att använda scenerna till att träna och utvärdera autonoma maskiner krävs också information om fysiskt beteende, kollisioner och sensorinteraktioner.

SimReady Foundation tillhandahåller specifikationer, profiler och valideringsverktyg som tydliggör dessa krav. En profil definierar en logisk gruppering av de funktioner och egenskaper som en tillgång behöver för ett visst användningsområde. Beroende på tillgång och profil kan dessa omfatta kollisionsgeometri och fysikaliska egenskaper för kontakt- och fysiksimulering i en kompatibel körmiljö, ledstruktur och rörelsebegränsningar för ledade robotar och utrustning, semantiska etiketter för objektidentifiering och annoterade syntetiska data samt material- och sensoregenskaper för rendering och sensorsimulering. NVIDIA rekommenderar att utvecklare väljer tillgångar med profiler som motsvarar behoven i deras arbetsflöden och sätter samman dem i en OpenUSD-scen.

OEM-partner och inlämningsprocessen

NVIDIA nämner Vertiv som en OEM för AI-fabriker som bidrar med lagerutrustning, serverrack, kylutrustning och tillhörande infrastruktur för digitala tvillingar. Biblioteket gör robotarmar och gripdon från robotikföretagen Comau, FANUC, Franka Robotics, Robotiq, Standard Bots och Universal Robots sökbara för team som bygger tränings- och utvärderingsmiljöer. Simuleringsleverantören Palatial presenterar NVIDIA Robotics 1K Dataset, som släppts i samarbete med NVIDIA Robotics, tillsammans med ledade tillgångar som genererats från text, bilder, skanningar, datablad och CAD. LG Electronics bidrar med tillgångar för hushållsapparater, till exempel kylskåp och diskmaskiner, och ForgeCAD bidrar med ledade robotiktillbehör med vad NVIDIA beskriver som högkvalitativa texturer.

OEM-företag bidrar genom att använda inlämningsverktyget för SimReady Central för att validera tillgångar mot relevanta SimReady-profiler, paketera dem och skicka in dem för inkludering, samtidigt som de hanterar sina egna datamängder på Hugging Face. GitHub-arkivet NVIDIA-Omniverse/simready-central, som publicerats under licensen Apache-2.0, fungerar som NVIDIAs ingång för granskning av dessa bidrag: OEM-företagen lagrar sina paket i offentligt tillgängliga datamängder på Hugging Face och använder arkivet för att skicka in de exakta paketversioner som de vill att NVIDIA ska granska.

Innan ett bidrag skickas in genomgår OEM-företaget en introduktionsprocess som omfattar att uppge ett GitHub-användarnamn till sin kontaktperson på NVIDIA och acceptera en inbjudan att bli medarbetare. NVIDIA rekommenderar ett agentstyrt arbetsflöde där agenten följer färdigheten submit-simready-assets och kör kommandot simready-manage submit för att validera, paketera och ladda upp varje tillgång. Därefter öppnar agenten en pull request i SimReady Central, som NVIDIA granskar och sammanfogar. Varje datamängdspost i arkivet är en textfil med oföränderliga URL:er till paketdefinitioner. Varje rad låser ett paket till den incheckning på Hugging Face som granskades. Ändringar träder i kraft först när pull requesten har granskats och sammanfogats.

Sökning och AI-assisterad scenredigering

NVIDIA USD Search möjliggör sökning på naturligt språk i SimReady Central Library. Hugging Face har integrerat USD Search i sin plattformssökning, med indexerade USD-egenskaper och simuleringsmetadata som hjälper agenter att hitta SimReady-tillgångar som passar deras simuleringsuppgifter inom fysisk AI.

AI-assisterad redigering erbjuder ytterligare en möjlighet. Utvecklare kan använda avancerade modeller som OpenAI:s GPT-6 Astra tillsammans med verktyg för tillgångssökning och scenredigering för att skapa miljöer från SimReady Central. OEM-företag kan använda Astra som hjälp med att förbereda och förfina OpenUSD-tillgångar enligt kraven i SimReady Foundation innan de valideras och skickas in.

I ett exempel på robotiserad plockning och placering med Isaac Sim och PhysX som mål säger NVIDIA att företaget räknar med att Astra ska fråga SimReady Search API för att hitta relevanta tillgångar som finns på Hugging Face, hänvisa till dem eller lägga in dem som payloads i en OpenUSD-scen, generera Python-kod för att sätta samman arbetscellen, konfigurera plocknings- och placeringsuppgiften samt rendera en förhandsvisning som användaren kan granska. I ett exempel med en AI-fabrik skulle Astra sätta samman utvalda SimReady-tillgångar i två alternativa OpenUSD-layouter med rack och kylutrustning och därefter generera skript som kontrollerar att utrustningen inte överlappar och att gångarna har tillräcklig fri bredd enligt de angivna kraven, innan en utvecklare finjusterar den föredragna konfigurationen.

NVIDIA listar flera sätt att bygga vidare på båda miljöerna: hålla layout- och uppgiftsspecifika ändringar i separata OpenUSD-lager så att samma källtillgångar kan användas i flera experiment; lägga till fler tillgångar och variera placeringar, utrustningskonfigurationer eller omgivande infrastruktur; konfigurera tränings- och utvärderingsuppgifter för robotik i Isaac Lab eller koppla en AI-fabriksscen till de utrustningsdata och simuleringsverktyg som krävs för analyser av exempelvis kraftdistribution eller kyleffektivitet; samt föra över validerade layouter till driften genom att koppla scenen till live-telemetri från BMS och IT-system. Dessa miljöer kan stödja projekt som Microduck, en robot med öppen källkod från Hugging Face och Pollen Robotics.

Färdplan och utvecklarresurser

NVIDIA säger att färdplanen för SimReady Central omfattar fler OEM-partner och ett växande tillgångsbibliotek. Företaget ber också communityn kommentera vilka tillgångar de behöver, vilka körmiljöer de använder och var de stöter på integrationsproblem. För utvecklare som vill komma i gång hänvisar NVIDIA till snabbstartsguiderna för Isaac Sim och Isaac Lab, en kostnadsfri utbildningsväg i OpenUSD, kostnadsfria kurser i fysisk AI, CAD-till-SimReady-färdigheter och dokumentationen till SimReady Central Library. Företaget ber också användarna rapportera fel i SimReady Foundation och skicka in önskemål om funktioner för SimReady-krav.