本文是洞悉 Omniverse 系列文章?！岸聪?Omniverse” 重點介紹開發者、3D 從業者與企業如何使用 OpenUSD 和 NVIDIA Omniverse 的最新進展深入改變他們的工作流。

AI 與 OpenUSD 通過實現以仿真為中心的開發策略，推動安全、可擴展的智能汽車開發。

仿真駕駛環境使工程師能夠在無數真實和邊際場景中安全、高效地訓練、測試和驗證智能汽車，而且沒有物理測試的風險和成本。

這些仿真環境可通過兩種方式生成：對智能汽車車隊采集的現實世界數據進行神經重建或使用世界基礎模型（WFM，一種理解物理學與現實世界屬性的神經網絡），尤其是 WFM 可用于生成提高輔助駕駛仿真效果的合成數據集。

Cosmos Predict-2、Cosmos Transfer-1 NVIDIA NIM 微服務預覽版、Cosmos Reason 等關鍵創新技術正在以空前的規模提升智能汽車開發者生成合成數據、構建逼真仿真環境和驗證安全系統的能力。

通用場景描述（OpenUSD）作為物理 AI 應用的統一數據框架和標準，實現了仿真資產在整條開發管線中的無縫集成與互操作性。OpenUSD 所帶來的標準化在確保 3D 管線的可擴展性方面起到了關鍵作用。

通過NVIDIA Omniverse（一個用于構建基于 OpenUSD 的物理 AI 應用的應用編程接口、軟件開發套件和服務平臺），開發者可使用 WFM 和神經重建技術進行世界級規模的仿真。

首批使用 Cosmos 模型的企業包括 Foretellix、Mcity、Oxa、Parallel Domain、Plus AI、Uber 等領先的智能汽車企業。

為可擴展、逼真的仿真建立基礎

NVIDIA 最新 WFM ——Cosmos Predict-2可根據文本、圖像、視頻等各種模態的輸入預測未來世界狀態，以此生成高質量的合成數據。該技術對于創建時間一致的逼真場景至關重要，這些場景能夠加速智能汽車和機器人的訓練與驗證。

此外，Cosmos Transfer（一個為現有場景添加天氣、光照和地形變化的控制模型）即將向 CARLA（一款領先的開源輔助駕駛模擬器）上的 15 萬名開發者開放，大幅擴展智能汽車開發者社區對先進 AI 模擬工具的訪問渠道。

開發者可以開始使用 NVIDIA 物理 AI 數據集將合成數據集成到自身管線中。最新版本包含使用 Cosmos 生成的 4 萬個片段。

適用于輔助駕駛模擬的Omniverse Blueprint在此基礎上提供了一個 API 驅動的標準化工作流程，用于構建豐富的數字孿生、回放現實傳感器數據和生成閉環測試所需的新 ground-truth 數據。

該藍圖使用了OpenUSD的分層堆疊和組合架構，使開發者能夠開展異步協作并無損修改場景，通過創建可重復使用的模塊化場景變體，高效生成各種天氣條件、交通模式和邊界情況。

提高未來智能汽車的安全性

為提高輔助駕駛系統的運行安全性，NVIDIA 在今年早些時候推出了 NVIDIA Halos —— 一個將 NVIDIA 的汽車硬件、軟件安全解決方案與其智能汽車安全領域前沿的 AI 研究相結合的綜合安全系統。

新的 Cosmos 模型——Cosmos Predict-2、Cosmos Transfer-1 NIM 和 Cosmos Reason——為 Halos 系統帶來了更多安全增強功能，使開發者能夠創建多樣化、可控且逼真的場景用于訓練和驗證輔助駕駛系統。

這些模型基于包括駕駛數據在內的海量多模態數據集訓練而成，大大增加了模擬的廣度和深度，實現了對罕見及安全關鍵事件的全面覆蓋，同時還支持針對特定輔助駕駛任務的定制化后訓練。

在 CVPR 2025 上，NVIDIA 憑借在推動端到端輔助駕駛流水線方面的領先優勢而被評為輔助駕駛國際挑戰賽“端到端輔助駕駛”賽道的優勝者。NVIDIA 在此次挑戰賽上利用 OpenUSD 的強大元數據和互操作性，在半反應堆仿真中根據多傳感器數據生成駕駛軌跡，實現了領先的安全性與合規性。