NVIDIA 軟件（Omniverse、Metropolis、Isaac 和 cuOpt）共同打造了一個 AI Gym，讓機器人和 AI 智能體能夠在復雜的工業領域中進行訓練并接受評估。

實時 AI 正在幫助處理制造業、工廠物流和機器人領域中的繁重工作。

這些行業通常涉及體積龐大的產品、昂貴的設備、協作機器人環境和物流復雜的設施。在這些行業中，仿真優先的方法正在引領下一發展階段的自動化。

NVIDIA 創始人兼首席執行官黃仁勛在 GTC 主題演講中展示了開發者如何使用數字孿生完全通過仿真來實現大規模實時 AI 的開發、測試和完善，然后再將其推廣到工業基礎設施中，從而節省大量時間和成本。

NVIDIA Omniverse、Metropolis、Isaac和cuOpt在 AI Gym 中互動，開發者可以在此訓練 AI 智能體來幫助機器人和人類應對不可預測或復雜的事件。

在演示中，一個 10 萬平方英尺倉庫的數字孿生（使用 NVIDIA Omniverse 平臺構建，用于開發和連接OpenUSD應用）可用作幾十個數字工作者和多個自主移動機器人（AMR）、視覺 AI 智能體和傳感器的仿真環境。

運行NVIDIA Isaac Perceptor多傳感器棧的每個 AMR 會處理來自六個傳感器的視覺信息，而所有信息都會在數字孿生中進行仿真。

與此同時，NVIDIA Metropolis 視覺 AI 平臺針對整個倉庫工作者活動構建了一個集中式地圖，將來自 100 個模擬安裝在天花板的攝像頭串流的數據與多攝像頭追蹤融合在一起。

這種集中式占用地圖能夠為 NVIDIA cuOpt 引擎提供信息，幫助計算出最優 AMR 路徑，以解決復雜的路徑問題。

cuOpt 是一款具有突破性的優化 AI 微服務，其使用 GPU 加速進化算法來解決具有多重約束的復雜路徑問題。

所有過程均實時進行，同時，Isaac Mission Control使用來自 cuOpt 的地圖數據和路徑圖來協調整個車隊，發送和執行 AMR 命令。

AI Gym 助力實現工業數字化

AI 智能體可以在大規模工業環境中提供幫助，例如管理工廠中的機器人車隊或確定供應鏈配送中心中人機協作的精簡配置。

為構建這些復雜的智能體，開發者需要可用作 AI Gym 的數字孿生——一個用于 AI 評估、仿真和訓練的物理精確環境。

這種軟件在環 AI 測試讓 AI 智能體和 AMR 能夠適應現實世界的不可預測性。

在以上演示中，AMR 的計劃路徑中發生了一起事故，堵塞了該路徑并阻止其拾取托盤。

NVIDIA Metropolis 更新了占用網格，將所有人員、機器人和物體映射在一個視圖中。然后，cuOpt 會規劃出一條最優路徑，AMR 隨即做出相應響應，從而盡可能減少宕機時間。

通過為NVIDIA Visual Insight Agent（VIA）框架提供支持的 Metropolis 視覺基礎模型，AI 智能體可以幫助運營團隊回答諸如“工廠的第三通道發生了什么情況？”這類的問題。

采用生成式 AI 技術的智能體可以提供各種即時信息，例如“下午 3:30 箱子從貨架上掉下來，堵塞了通道”。

開發者可以使用 VIA 框架來構建那些使用視覺語言模型處理大量實時或存檔視頻和圖像的 AI 智能體，無論是部署在邊緣還是云端。

新一代視覺 AI 智能體將幫助所有行業來使用自然語言，從視頻中總結、搜索和提取切實可行的見解。

所有這些 AI 功能都可以通過持續且基于仿真的訓練來增強，并部署為模塊化的NVIDIA NIM推理微服務。

審核編輯：劉清