埃森哲和 Foretellix 等企業組織正在通過高保真、可擴展的傳感器仿真，加速開發新一代自動駕駛汽車和機器人。

生成式 AI 和基礎模型讓自主機器的能力能夠超越其所訓練的操作設計領域。通過標記化和大型語言及擴散模型等新 AI 技術，開發者和研究人員現可解決自主性方面長期以來面臨的障礙。

這些更大型的模型需要大量多樣化的數據進行訓練、微調和驗證。但是，收集這些包括罕見的邊緣案例和潛在危險場景的數據可能非常困難，且需要大量資源，例如行人從夜間行駛的自動駕駛汽車（AV）前穿過，或工人進入焊接機器人作業單元。

為了幫助開發者填補這一空白，NVIDIA Omniverse Cloud Sensor RTX API支持物理精確的傳感器仿真，從而大規模生成數據集。應用程序編程接口（API）旨在支持自主運行中常用的傳感器，包括攝像頭、雷達和激光雷達，并可以無縫集成到現有工作流中，以加速各類自動駕駛汽車和機器人的開發。

Omniverse Sensor RTX API現已向部分開發者開放搶先體驗。埃森哲、Foretellix、MITRE 和 Mcity 等機構正在通過特定領域的藍圖整合這些 API，為終端客戶提供部署新一代工業制造機器人和自動駕駛汽車所需的工具。

利用 Omniverse Blueprints 為工業 AI 提供動力

在工廠和倉庫等復雜環境中，機器人必須被精心協調，以便與機器和工人一起安全有效地工作。所有這些移動部件在設計、測試或驗證操作時帶來了巨大的挑戰，同時還要避免造成干擾。

Mega 是一款Omniverse Blueprint，為企業提供 NVIDIA 加速計算、AI、NVIDIA Isaac 和 NVIDIA Omniverse 技術的參考架構。企業可以使用 Mega 來開發數字孿生，并測試 AI 賦能的驅動機器人、攝像頭、設備等的機器人大腦，以大規模處理非常復雜的情境。

該藍圖集成了 Omniverse Sensor RTX，可讓機器人開發者同時渲染來自工廠各類型智能機器的傳感器數據，以進行高保真、大規模的傳感器仿真。

借助在仿真中測試操作和工作流的能力，制造商可節省大量時間和投資，并以全新的方式提高效率。

國際供應鏈解決方案公司 KION Group 和埃森哲正在使用 Mega 藍圖構建 Omniverse 數字孿生，用作工業 AI 機器人大腦的虛擬訓練和測試環境，充分利用了智能攝像頭、叉車、機器人設備和數字人生成的數據。

機器人大腦通過 Omniverse Sensor RTX API 渲染的物理精確的傳感器數據感知仿真環境。它們利用這些數據來進行規劃和行動，每一步都通過 Mega 精確跟蹤，并與數字孿生中所有資產的狀態和位置同步。借助這些功能，開發者可以在物理世界實施前，不斷構建和測試新的布局。

推動自動駕駛汽車開發和驗證

自動駕駛汽車開發已有十多年的歷史，但在獲取正確的訓練和驗證數據方面存在障礙，而且迭代周期緩慢，阻礙了大規模部署。

為了滿足傳感器數據的需求，眾多公司正在利用 NVIDIA Omniverse Blueprint 進行自動駕駛汽車仿真，這是一個可實現物理精確傳感器仿真的參考工作流。該工作流使用 Omniverse Sensor RTX API 來渲染自動駕駛汽車開發和驗證所需的攝像頭、雷達和激光雷達數據。

自動駕駛汽車工具鏈提供商 Foretellix 已將該藍圖集成到其 Foretify AV 開發工具鏈中，將對象級仿真轉換為物理精確的傳感器仿真。

Foretify 工具鏈可以同時生成任意數量的測試場景。通過為這些場景添加傳感器仿真功能，Foretify 現可以讓開發者評估其自動駕駛汽車開發的完整性，并在實現大規模安全部署所需的保真度和規模水平上進行訓練和測試。此外，Foretellix 將使用新發布的 NVIDIA Cosmos 平臺，為各種認證和驗證生成更為多樣化的場景。

Nuro 是一家擁有 L4 級自動駕駛技術的大型供應商，正在使用 Foretify 工具鏈在部署前對其自動駕駛車輛進行培訓、測試和驗證。

此外，研究機構 MITRE 正在與密歇根大學的 Mcity 測試中心合作，以建立一個用于監管的數字自動駕駛汽車驗證框架，包括 Mcity 占地 32 英畝的自動駕駛汽車試驗場的數字孿生。該項目使用自動駕駛汽車仿真藍圖，在虛擬環境中大規模渲染物理精確的傳感器數據，以提高訓練效率。

得益于高保真度傳感器模擬的強大功能，機器人和自主化正成為未來的焦點。在 CES 訪問埃森哲和 Foretellix 展位，了解更多關于這些解決方案的詳情。