如何使用数字孪生完全通过仿真来实现大规模实时 AI 的开发、测试和完善，然后再将其推广到工业基础设施中，从而节省大量时间和成本。

　　一个 10 万平方英尺仓库的数字孪生（使用 NVIDIA Omniverse 平台构建，用于开发和连接OpenUSD应用）可用作几十个数字工作者和多个自主移动机器人 (AMR)、 视觉 AI 智能体和传感器的仿真环境。

　　运行NVIDIA Isaac Perceptor多传感器栈的每个 AMR 会处理来自六个传感器的视觉信息，而所有信息都会在数字孪生中进行仿真。

　　与此同时，NVIDIA Metropolis 视觉 AI 平台针对整个仓库工作者活动构建了一个集中式地图，将来自 100 个模拟安装在天花板的摄像头串流的数据与多摄像头追踪融合在一起。

　　这种集中式占用地图能够为NVIDIA cuOpt 引擎提供信息，帮助计算出最优 AMR 路径，以解决复杂的路径问题。

　　cuOpt是一款具有突破性的优化 AI 微服务，其使用GPU加速进化算法来解决具有多重约束的复杂路径问题。

　　所有过程均实时进行，同时，Isaac Mission Control使用来自 cuOpt 的地图数据和路径图来协调整个车队，发送和执行 AMR 命令。

　　AI 智能体可以在大规模工业环境中提供帮助，例如管理工厂中的机器人车队或确定供应链配送中心中人机协作的精简配置。

　　为构建这些复杂的智能体，开发者需要可用作 AI Gym 的数字孪生 —— 一个用于 AI 评估、仿真和训练的物理精确环境。

　　NVIDIA Metropolis 更新了占用网格，将所有人员、机器人和物体映射在一个视图中。然后，cuOpt 会规划出一条最优路径，AMR 随即做出相应响应，从而尽可能减少宕机时间。

　　通过为NVIDIA Visual Insight Agent (VIA) 框架提供支持的 Metropolis 视觉基础模型，AI 智能体可以帮助运营团队回答诸如“工厂的第三通道发生了什么情况？”这类的问题。

　　采用生成式 AI 技术的智能体可以提供各种即时信息，例如“下午 3:30 箱子从货架上掉下来，堵塞了通道”。

　　开发者可以使用 VIA 框架来构建那些使用视觉语言模型处理大量实时或存档视频和图像的 AI 智能体，无论是部署在边缘还是云端。

　　新一代视觉 AI 智能体将帮助所有行业来使用自然语言，从视频中总结、搜索和提取切实可行的见解。

　　所有这些 AI 功能都可以通过持续且基于仿真的训练来增强，并部署为模块化的NVIDIA NIM推理微服务。

　　文章出处：【微信号：NVIDIA-Enterprise，微信公众号：NVIDIA英伟达企业解决方案】欢迎添加关注！文章转载请注明出处。

　　、西门子、Trimble采用Omniverse技术帮助客户设计、模拟、构建和运行符合物理学的

　　软件工具提供助力 /

　　领域的应用越来越广泛。作为一种先进的控制技术，分布式IO能够实现设备的分布式控制和监测，提高生产效率、降低能耗和减少故障率。 分布

　　研究组来源先进制造业本文对以下十个问题进行了深入分析与思考，以期抛砖引玉，为研究者更好理解

　　”十问十答 /

　　视觉检测系统已经成为一种重要的智能制造设备，它能够大幅提高生产线上的检测能力和效率。 一、

　　化升级的好处 /

　　系统中，驱动芯片扮演着至关重要的角色，它们负责控制和驱动各种设备和机械执行任务。TB5128FTG驱动芯片作为一种高性能驱动解决方案，被广泛应

　　转型 /

　　电缆传输可以获得更高的稳定性和容错性，而且数据传输速度也更快。4. 互联网通信：通过互联网通信技术可以