輝達（NVIDIA，$NVDA）倉庫模擬維持 30 fps、連續 2 分鐘

輝達（NVIDIA，$NVDA）公開一項運用 AI 代理人與 Omniverse 函式庫建置倉庫、工業設備及自動駕駛模擬的案例。開發者以自然語言下達任務，檢視結果後再修改場景與程式碼。

輝達於 10 月 29 日在官方部落格說明，Omniverse 函式庫提供 GPU 加速的物理模擬、渲染與感測器模擬功能。這套模組化工具可將相關功能整合至既有的 OpenUSD 應用程式。

開發者可以用自然語言描述所需場景與測試，再檢視代理人產出的結果並指示修改方向。代理人會在過程中建置場景、撰寫程式碼並執行反覆性工作。

輝達部落格提到，使用的模型包括 OpenAI 的 GPT-6 Astra 與 Anthropic 的 Claude Fable 5。兩個模型曾一同用於感測器驗證示範。

輝達公開的倉庫示範場景中，配置了 80 台輸送機、40 支機械手臂與 800 個箱子。場景以 Full HD 解析度連續 2 分鐘維持每秒 30 幀（30 fps），機械手臂則完成 640 次箱子放置作業。

場景規模第一次擴大至兩倍時，效能一度低於目標；將物理計算、渲染與影像準備工作改為平行執行後，效能恢復。場景規模再次加倍時，效能又下降，輝達表示已在物理計算與機器人控制流程中找到瓶頸。

燃氣渦輪數位孿生原型可透過調整負載、環境溫度與燃料組成，比較輸出、效率、燃料消耗及設備反應。數位孿生是將實際設備的條件與反應呈現在虛擬模型中進行測試的方式。

輝達設計了 6 項測試程序，涵蓋負載變化、燃料閥卡住及排氣感測器錯誤等情況。熱化學計算使用 Cantera，設備動態則使用 SciPy。

感測器驗證將相機與原始 LiDAR 輸出，和實際記錄資料進行比較。開發者會調整場景中缺少的物體、形狀與材質，再透過相機及 LiDAR 指標檢視結果。

這項工作約耗時 3 天，期間建立了 2 個新的數位孿生，並改良另外 2 個既有模型。輝達表示，過程中同時使用 GPT-6 Astra 與 Claude Fable 5 代理人。

在自動駕駛示範中，代理人逐步串接道路場景、交通流量、感測器模擬與駕駛模型。開發者據此建立測試環境，比較變更場景或感測器設定後，駕駛模型的反應如何改變。

模擬中的宇樹科技（Unitree）G1 人形機器人，跨越單一欄架 100 次中的 64 次。這項結果是在虛擬環境中的示範。

輝達也公開了將 ABB Robotics 的 YuMi 機器人 CAD 模型轉換為 OpenUSD 格式後，在 Isaac Sim 中進行 4 次方塊抓取與放置的案例。模型中的物理屬性估算值未經實際機器人校準。

這些案例展示了如何在 OpenUSD 應用程式中整合物理計算、RTX 渲染與感測器模擬，並由 AI 代理人協助開發者處理反覆性工作。GPU 加速函式庫拓展至設計與模擬工具的方向，也呼應了先前報導的輝達擴大設計 AI 工具。

倉庫效能與機器人動作數據僅適用於輝達介紹的特定模擬案例。虛擬環境中的結果本身，無法證明實際機器人的成功率、安全性或商業部署成效。