OpenUSD و NVIDIA Halos امنیت را برای Robotaxis و سیستم‌های هوش مصنوعی فیزیکی تسریع می‌کنند

یادداشت سردبیر: این پست بخشی از در جهان هستیمجموعه ای متمرکز بر این که چگونه توسعه دهندگان، پزشکان سه بعدی و شرکت ها می توانند گردش کار خود را با استفاده از آخرین پیشرفت ها تغییر دهند. OpenUSD و NVIDIA Omniverse.

هوش مصنوعی فیزیکی در حال حرکت از آزمایشگاه‌های تحقیقاتی به دنیای واقعی است و ربات‌های هوشمند و وسایل نقلیه خودران (AVs) مانند روباتاکسی را نیرو می‌دهد که باید در شرایط غیرقابل پیش‌بینی به‌طور قابل اعتمادی حس کنند، استدلال کنند و عمل کنند.

برای مقیاس‌بندی ایمن این سیستم‌ها، توسعه‌دهندگان به جریان‌های کاری نیاز دارند که داده‌های دنیای واقعی، شبیه‌سازی با وفاداری بالا، و مدل‌های هوش مصنوعی قوی را در بالای پایه مشترک ارائه شده توسط چارچوب OpenUSD به هم متصل کند.

OpenUSD Core Specification 1.0 OpenUSD که اخیراً منتشر شده است – که به آن توصیف صحنه جهانی نیز می‌گویند – اکنون انواع داده‌های استاندارد، فرمت‌های فایل و رفتار ترکیبی را تعریف می‌کند و به توسعه‌دهندگان خطوط لوله USD قابل پیش‌بینی و قابل همکاری را می‌دهد که سیستم‌های مستقل را مقیاس می‌دهند.

کتابخانه‌های NVIDIA Omniverse با پشتیبانی از OpenUSD، رندر NVIDIA RTX، شبیه‌سازی فیزیک و زمان‌های اجرا کارآمد را برای ایجاد دوقلوهای دیجیتال و دارایی‌های آماده شبیه‌سازی (SimReady) ترکیب می‌کنند که به طور دقیق محیط‌های آزمایش و تولید داده مصنوعی در دنیای واقعی را منعکس می‌کنند.

مدل‌های NVIDIA Cosmos World Foundation را می‌توان در بالای این شبیه‌سازی‌ها اجرا کرد تا تنوع داده‌ها را تقویت کند و شرایط آب‌وهوا، نور و زمین جدید را از همان صحنه‌ها ایجاد کند، و به تیم‌ها اجازه می‌دهد با خیال راحت موارد لبه کمیاب و چالش‌برانگیز را پوشش دهند.

با تماشای پخش زنده OpenUSD امروز در ساعت 11 صبح به وقت محلی یا در زمان پخش مجدد، بخشی از سری NVIDIA Omniverse OpenUSD Insiders، بیشتر بیاموزید:

https://www.youtube.com/watch?v=tnhqNIv1sY0

به‌علاوه، پیشرفت‌ها در تولید داده‌های مصنوعی، مجموعه‌های داده چندوجهی و گردش‌های کاری SimReady اکنون با چارچوب NVIDIA Halos برای ایمنی AV همگرا شده‌اند و مسیری مبتنی بر استانداردها برای استقرار ایمن‌تر، سریع‌تر و مقرون‌به‌صرفه‌تر از ماشین‌های خودمختار نسل بعدی ایجاد می‌کنند.

ایجاد پایه ای برای هوش مصنوعی فیزیکی ایمن

استانداردهای باز و منابع SimReady

OpenUSD Core Specification 1.0 مدل‌های داده استاندارد و رفتار زیربنای دارایی‌های SimReady را ایجاد می‌کند، و به توسعه‌دهندگان اجازه می‌دهد خطوط لوله شبیه‌سازی قابل همکاری برای کارخانه‌های هوش مصنوعی و روباتیک در OpenUSD ایجاد کنند.

بر اساس این پایه، دارایی‌های SimReady 3D را می‌توان مجدداً در ابزارها و تیم‌ها استفاده کرد و مستقیماً در NVIDIA Isaac Sim بارگذاری کرد، جایی که برخوردکننده‌های USDPhysics، دینامیک بدنه سخت و انواع مبتنی بر قوس ترکیبی به تیم‌ها اجازه می‌دهد ربات‌ها را در امکانات مجازی آزمایش کنند که تقریباً عملیات‌های دنیای واقعی را تقریب می‌کنند.

یادگیری متن باز

برنامه درسی Learn OpenUSD اکنون منبع باز است و در GitHub در دسترس است و به مشارکت کنندگان اجازه می دهد تا قالب ها، تمرین ها و محتوا را برای مخاطبان، زبان ها و موارد استفاده مختلف بومی سازی و سفارشی کنند. این به مربیان یک پایه آماده برای معرفی تیم های جدید به گردش کار شبیه سازی متمرکز بر OpenUSD می دهد.

جهان های مولد به عنوان یک ضریب امنیتی

پاشیدن گاوسی – تکنیکی که از عناصر سه بعدی قابل ویرایش برای رندر سریع و با وفاداری محیط‌ها استفاده می‌کند – و مدل‌های جهانی خطوط لوله شبیه‌سازی را برای آزمایش و اعتبارسنجی ایمن رباتیک تسریع می‌کنند.

در SIGGRAPH آسیا، تیم تحقیقاتی انویدیا Play4D را معرفی کرد، خط لوله‌ای استریم که امکان پخش 4 بعدی گاوسی را برای نمایش دقیق صحنه‌های پویا و بهبود واقع‌گرایی فراهم می‌کند.

شرکت هوش فضایی World Labs از مدل جهانی مولد خود Marble با NVIDIA Isaac Sim و Omniverse NuRec استفاده می‌کند تا به محققان اجازه دهد پیام‌های متنی و نمونه‌برداری از تصاویر را در چند ساعت به‌جای هفته‌ها به محیط‌های سه بعدی مبتنی بر فیزیک مبتنی بر گاوس تبدیل کنند.

سپس می توان از آن دنیاها برای آموزش هوش مصنوعی فیزیکی، آزمایش و انتقال سیم کارت به واقعی استفاده کرد. این گردش کار شبیه‌سازی با وفاداری بالا، دامنه سناریوهایی را که روبات‌ها می‌توانند در آن تمرین کنند، گسترش می‌دهد، در حالی که آزمایش‌ها را در طول شبیه‌سازی ایمن نگه می‌دارد.

Lightwheel به تیم ها کمک می کند تا آموزش ربات ها را با دارایی های SimReady مقیاس کنند

کتابخانه دارایی SimReady Lightwheel که توسط OpenUSD پشتیبانی می‌شود، شامل یک لایه توصیف صحنه مشترک است که ساخت دوقلوهای دیجیتالی با کیفیت بالا برای روبات‌ها را آسان می‌کند. دارایی های SimReady با هندسه، مواد و خواص فیزیکی معتبر تعبیه شده است که می تواند مستقیماً در NVIDIA Isaac Sim و Isaac Lab برای آموزش ربات بارگذاری شود. این به ربات‌ها اجازه می‌دهد در حین یادگیری، تماس‌ها، دینامیک و بازخورد حسگر واقعی را تجربه کنند.

ایمنی خودروی خودمختار سرتاسر

به لطف تحقیقات جدید، چارچوب‌های باز و خدمات بازرسی که اعتبارسنجی را دقیق‌تر و مقیاس‌پذیرتر می‌کند، پیشرفت‌های سرتاسر ایمنی خودروهای خودران در حال افزایش است.

محققان NVIDIA به همراه همکاران دانشگاه هاروارد و دانشگاه استنفورد اخیراً چارچوب Sim2Val را برای ترکیب آماری نتایج آزمایش های واقعی و شبیه سازی شده معرفی کرده اند و نیاز توسعه دهندگان AV را به مایل های فیزیکی پرهزینه کاهش می دهد و در عین حال نشان می دهد که چگونه رباتاکسی ها و AV ها می توانند در سناریوهای نادر و حیاتی ایمنی رفتار کنند.

با تماشای پخش زنده “Safety in the Loop” NVIDIA بیشتر بیاموزید:

https://www.youtube.com/watch?v=930a2dYO32U

این نوآوری‌ها با یک NVIDIA Omniverse NuRec Fixer جدید و منبع باز تکمیل می‌شوند، مدلی مبتنی بر کیهان که بر روی داده‌های AV آموزش دیده است و مصنوعات را در بازسازی‌های عصبی حذف می‌کند تا دارایی‌های SimReady با کیفیت بالاتر را تولید کند.

برای همراستایی این پیشرفت‌ها با استانداردهای جهانی دقیق، آزمایشگاه بازرسی سیستم‌های هوش مصنوعی NVIDIA Halos – مورد تایید ANAB – بازرسی و گواهی بی‌طرفانه عناصر Halos را در ناوگان روباتاکسی، پشته‌های AV، سنسورها و پلت‌فرم‌های سازنده از طریق برنامه صدور گواهینامه Halos ارائه می‌کند.

رهبران اکوسیستم AV در حال به کارگیری ایمنی فیزیکی هوش مصنوعی هستند

Bosch، Nuro و Wayve جزو اولین شرکت کنندگان در آزمایشگاه بازرسی سیستم های هوش مصنوعی NVIDIA Halos هستند که هدف آن تسریع در استقرار ایمن و در مقیاس بزرگ ناوگان روباتاکسی است. Onsemi که سیستم‌های حسگر را برای AV، اتوماسیون صنعتی و کاربردهای پزشکی می‌سازد، اخیراً اولین شرکتی است که برای آزمایشگاه بازرسی سیستم‌های هوش مصنوعی NVIDIA Halos بازرسی را گذرانده است.

https://www.youtube.com/watch?v=gIkf870-GNc

شبیه‌ساز CARLA منبع باز NVIDIA NuRec و Cosmos Transfer را برای تولید دیسک‌های بازسازی‌شده و تغییرات سناریوهای مختلف ادغام می‌کند، در حالی که موتور FiftyOne Voxel51، همراه با Cosmos Dataset Search، NuRec و Cosmos Transfer، به تیم‌ها کمک می‌کند تا مجموعه‌های داده چندوجهی را در لوله AV مدیریت، حاشیه‌نویسی و ارزیابی کنند.

https://www.youtube.com/watch?v=ydreCGxFDXs

دانشگاه میشیگان Mcity با استفاده از کتابخانه‌ها و فناوری‌های Omniverse، دوقلو دیجیتالی مرکز آزمایش AV 32 هکتاری خود را تقویت می‌کند. این تیم NVIDIA Blueprint برای شبیه سازی AV و رابط های برنامه نویسی برای برنامه های کاربردی Omniverse Sensor RTX را برای ایجاد مدل های مبتنی بر فیزیک دوربین، لیدار، رادار و حسگرهای اولتراسونیک ادغام می کند.

Mcity با تطبیق ضبط‌های حسگر واقعی با داده‌های شبیه‌سازی شده با وفاداری بالا و اشتراک‌گذاری آشکار دارایی‌ها، آزمایش ایمن و تکرارپذیر سناریوهای رانندگی نادر و خطرناک را قبل از حرکت وسایل نقلیه در جاده‌های عمومی امکان‌پذیر می‌کند.

به دنیای OpenUSD و امنیت فیزیکی هوش مصنوعی بپیوندید

با کاوش در این منابع درباره OpenUSD، NVIDIA Halos و امنیت فیزیکی هوش مصنوعی بیشتر بیاموزید:

با عضویت در جریان باشید اخبار انویدیابه جامعه و NVIDIA Omniverse را دنبال کنید اینستاگرام، لینکدین، متوسط و X.