在NVIDIA Omniverse中构建模拟就绪3D资产

大量企业正在利用数字孪生改进其产品和服务。数字孪生可用于复杂的工厂和仓库模拟，或用于了解产品的实际外观和性能表现。但许多企业并不了解如何在 3D 模拟和仿真环境中，更大地发挥其现有 3D 艺术资产的价值。

现有的 3D 资产仅能用于表示物体的外观，对于下一轮行业及人工智能（AI）浪潮来说远远不够。由于 3D 艺术资产主要是为实现可视化而设计，因而除数字保真度外，这些资产并不包含模拟和仿真所需的元数据。此外，由于艺术资产文件格式多样，研究者需耗费大量时间组装数据集，管理难度也会相应增加。

为帮助全球各行各业构建更加逼真的数字孪生和虚拟世界，NVIDIA 推出了全新 3D 资产—NVIDIA Omniverse SimReady。用户可以使用 NVIDIA Omniverse SimReady 创建逼真的 3D 艺术资产，基于其令人惊叹的全保真渲染技术，可实现逼真、精确的现实世界模拟。

NVIDIA Omniverse SimReady 不仅仅是面向 3D 对象的资产，即具有精确的物理属性和物理行为，以及基于通用场景描述（USD）构建的互联数据流。同时，此类资产还包括带有附加元数据的内容，这些元数据功能强大，可插入至任何模拟和仿真环境中，呈现与现实世界并无二致的性能表现。最重要的一点是，团队可利用 SimReady 使其内容库保持一致性。

资产模拟要求

为运用模拟和仿真技术，3D 艺术资产需要拥有特定的元数据，以帮助模拟器了解模拟和仿真对象应具备的性能。此类元数据包括：

语义标签

合成数据生成

非视觉传感器的支持

物理学和基于物理学的行为

Omniverse 中的 USD SimReady 叉车模拟

1

语义标签

语义标签用于定义模拟和模拟环境呈现的对象，其最基本的形式为：模拟器内各元素之间不同的分类、结构和本体。

更确切地说，语义标签能以可预测的一致方式识别 3D 模型的各种组件，以帮助用户训练模拟算法。这些标签可为计算机提供真实信息，以帮助其理解模拟和仿真环境，并针对动态事件进行训练以便获得与现实一致的预测结果。

2

合成数据生成

合成数据生成用于创建各种场景并实现场景随机化，以便围绕计算机视觉等特定目标来训练仿真模型。照明、材质变化、姿态、遮挡等多方面的合成数据都有助于实现随机化。

3

传感器支持

传感器支持可用于帮助模拟器了解各类设备中的计算机如何看待现实世界。各类传感器如激光雷达和雷达等非视觉传感器、置于机器人外围的接触式传感器等，均可集成至相应设备中，用以分析和理解其所处的环境。

4

物理学和基于物理学的行为

物理学和基于物理学的行为可帮助模拟器，根据质量、重心和材质的摩擦力等属性，了解模拟和仿真对象的实际性能。此外，物理学和基于物理学的行为，还可以用来模拟碰撞等场景，开发人员可由此确保模拟和仿真对象的行为和互动方式符合物理学原理。

SimReady 托盘装载机、手推车和其他仓库设备

推动 SimReady 标准进一步发展

核心的仿真元数据是默认包含于 SimReady 资产之中，用户可在导入艺术素材后轻松访问这些元数据。语义标签是基础，如若没有这些标签，就很难或几乎不可能知道如何分割数据集，而具有碰撞网格的物理学是各个艺术资产的核心组成部分。此外，模拟系统还能通过自动分配的物理材质，了解正在与之进行交互的材质的性质。

SimReady 模型并不是内容单一的“文件”，而是利用了 USD 的模块化特性及其灵活性所组成的、包含了资产不同方面的系列文件。USD 的模块化特性可确保所构建的内容能在未来实现无损更新，变得更为稳健。

随着 SimReady 基于 3D 工作流标准不断发展，这些 3D 艺术资产将用于加速全球各行各业数字孪生与虚拟世界的发展，包括用于了解最佳的工厂装配线设计、追踪库存和流程进展、训练自主机器与现实世界进行互动等。SimReady 将能够简化各行业模拟和仿真的流程，提高行业效率。

开始使用 SimReady

SimReady 资产用途广泛，可用于自动驾驶、机器人以及仓库、数据中心和零售店的数字孪生等。这些模拟和仿真均可在 NVIDIA Omniverse 中实现，您可以使用 NVIDIA Omniverse 平台模拟大型场景，为行业工作流带来新的可能性。

审核编辑 ：李倩