全新 NVIDIA 安全框架与技术正在推进开发者构建安全物理 AI 的方式。
物理 AI 正从研究实验室走向现实世界，为智能机器人和智能汽车（如无人驾驶出租车）提供支持，这些系统必须在不可预测的环境中可靠地感知、推理和行动。为了安全地扩展这些系统，开发者需要基于 OpenUSD 这一通用基础架构，将现实世界数据、高保真仿真和强大的 AI 模型连接起来的工作流。
最新发布的 OpenUSD 核心规范 1.0（OpenUSD，即通用场景描述）定义了标准数据类型、文件格式和组合行为，为开发者在扩展自动化系统时提供可预测、可互操作的 USD 管线。
借助 OpenUSD，NVIDIA Omniverse 库结合了 NVIDIA RTX 渲染、物理仿真和高效的运行时，能够创建精准反映现实环境的数字孪生以及仿真就绪（SimReady）资产，用于合成数据生成与测试。
NVIDIA Cosmos 世界基础模型可在这些仿真之上运行，增强数据多样性，从同一场景生成新的天气、光照和地形条件，让团队能够安全地覆盖罕见且具有挑战性的极端案例。
此外，合成数据生成、多模态数据集和 SimReady 工作流程的进步，正在与 NVIDIA Halos 综合安全系统相融合，共同为下一代辅助驾驶系统的部署构建一条基于标准的路径，使部署过程更安全、更快捷、成本效益更高。
构建安全物理 AI 的基础
开放标准与 SimReady 资产：OpenUSD 核心规范 1.0 建立了支撑 SimReady 资产的标准数据模型和行为，使开发者能够在 OpenUSD 上构建适用于 AI 工厂和机器人的可互操作的仿真管线。
开源学习：Learn OpenUSD 课程现已开源并在 GitHub 上提供，允许贡献者针对不同受众、语言及应用场景进行模板、练习和内容的本地化与适配。
生成式世界作为安全倍增器：通过 Gaussian splatting 技术和世界模型，加速安全机器人测试和验证的仿真管线，扩展机器人可练习的场景范围，同时将实验安全地保持在仿真中。
光轮智能帮助团队通过 SimReady 资产扩展机器人训练：借助 OpenUSD，光轮智能的 SimReady 资产库包含通用场景描述层，能够更加便捷地构建高保真机器人数字孪生。
安全的端到端辅助驾驶
端到端辅助驾驶安全正借助新研究、开放框架和检查服务的结合取得快速进展，可推动安全验证变得更严谨且可扩展。
辅助驾驶生态系统领导者 Bosch、Nuro、Wayve、CARLA、Voxel51 和 Mcity 正推动物理 AI 安全落地。
GTC 2026 将于 2026 年 3 月 16 至 19 日在美国加州圣何塞及线上同步举行，扫描下方二维码，立即注册线上大会或购买现场参会门票。
