İçindekiler
NVIDIA, geliştiricilerin frontier yapay zeka modellerini NVIDIA Omniverse kütüphaneleriyle birleştirerek nasıl simülasyon uygulamaları ürettiğini örnekledi. Geleneksel olarak bir simülasyon fikrini çalışan uygulamaya dönüştürmek; varlıkları bir araya getirmek, fiziği ve render'ı bağlamak, sahnenin beklendiği gibi davrandığını doğrulamak anlamına geliyor. Geliştiriciler artık bu işi doğal dil komutlarıyla yönlendirdikleri ajanlara devrediyor.
Ajanlar doğal dille yönlendiriliyor
NVIDIA'ya göre bu iş akışında geliştirici, ajanı doğal dil talimatlarıyla yönlendiriyor; sonuçları inceliyor ve değişiklikleri yönlendiriyor. Omniverse kütüphaneleri ise GPU hızlandırmalı fizik, render ve sensör simülasyonu yeteneklerini sağlıyor. Örneklerde GPT-6 Astra ve Claude Fable 5 gibi sınır modellerinin nasıl çalıştığı görülüyor.
Depo için humanoit simülatörü
Depo görevlerini otomatikleştirmeden önce geliştiricilerin etkileşimli bir simülasyon ortamına ihtiyacı var. NVIDIA Omniverse ürün yöneticisi Frank DeLise, Astra'yı kullanarak SimReady bir depo ve humanoit robotu birinci ve üçüncü şahıs görünümlü etkileşimli bir simülatöre dönüştürdü. Astra; fiziği (ovphysx), sahne güncellemelerini (ovstage), render'ı (ovrtx) ve kullanıcı arayüzünü (ovui) bağlamak üzere yönlendirildi; gerekli animasyon ve uygulama kodunu da üretti.
Otonom sürüş test akışı
Bir sahneyi, sensörü veya sürüş modelini değiştirmek otonom araç simülasyonlarını ciddi biçimde etkileyebiliyor. NVIDIA simülasyon teknolojisi ekibinden Doyub Kim, San Francisco'daki Market Street temelli yeniden kullanılabilir bir simülasyon ortamı kurmak için Astra'yı yönlendirdi. Süreçte varlık oluşturma, trafik, Omniverse RTX sensör simülasyonu ve Alpamayo sürüşü aşamalı olarak bağlandı ve her entegrasyon tek tek doğrulandı.
Sensör farklarından dijital ikiz üretimi
Robotları ve otonom araçları test etmek için simüle sensörlerin gerçek olanlara ne kadar yakın olduğunu bilmek gerekiyor. RTX sensör doğrulama ekibinden Ashley Reid, Astra ve Claude Fable 5 ajanlarını ovrtx kamera ve ham LiDAR çıktılarını kaydedilmiş verilerle karşılaştırmak üzere yönlendirdi. Yaklaşık üç gün süren yinelemeli akışta ajanlar farkları ölçtü, açık USD (OpenUSD) sahnelerini oluşturdu veya değiştirdi ve sonuçları kontrol etti. Böylece ölçülen farklar sahne iyileştirmesine yön verdi.
Robo Olimpiyatları: spor hareketleri testi
Robotlara yeni hareketler öğretmek, bu hareketlerin fiziksel kısıtlar altında çalışıp çalışmadığını kontrol etmeyi gerektiriyor. Omniverse mühendislik ve ürün lideri Tae Kim; spor videoları ve doğal dil talimatlarıyla Astra'yı yönlendirerek Unitree G1 humanoitlerinin spor hareketlerini denediği Robo Olimpiyatları projesini kurdu. Newton fizik motoru davranışı simüle etti, açık kaynak NVIDIA Warp hesaplamaları hızlandırdı ve ovrtx sahneleri render etti. Bir deneyde robot, 100 simülasyon denemesinin 64'ünde tek bir engeli aştı.
Uluslararası Uzay İstasyonu tarayıcıda
3B modelleri bir uygulamaya dönüştürmek; varlıkları, canlı veriyi ve arayüzü bağlamayı gerektiriyor. NVIDIA mühendislik direktörü Nic Johns, NASA varlıklarını telemetriyle birlikte bir OpenUSD Uluslararası Uzay İstasyonu modeline dönüştürmek için Astra'yı yönlendirdi. Uygulama tek bir komutla kuruldu; ardından gelen bir komutla sahne, Dünya'nın gündüz tarafına çevrilerek gezegen görünür hale getirildi.
Geliştiriciler için ne değişiyor?
Bu örneklerde ortak nokta, geliştiricinin kod yazmak yerine hedefi tarif edip ajanı yönlendirmesi. Varlık hazırlama, fizik bağlama ve sahne kurgusu gibi emek yoğun adımlar komutlarla yönetiliyor; geliştirici sonuçları inceleyip düzeltiyor. Bu yaklaşım, simülasyon geliştirmenin öğrenme eğrisini düşürebilir ve ekiplerin fizik motoru ayrıntılarına boğulmadan senaryo üretmesini sağlayabilir.
Rakamlarla özet
- Kullanılan modeller: GPT-6 Astra ve Claude Fable 5.
- Bağlanan kütüphaneler: ovphysx, ovstage, ovrtx, ovui, ovstream.
- Dijital ikiz çalışması yaklaşık 3 gün sürdü.
- Robo Olimpiyatları'nda engel aşma başarısı: 64/100 deneme.
Sonuç
NVIDIA'nın örnekleri, ajanların simülasyon dünyasında "yardımcı" olmaktan çıkıp uygulamayı kuran aktör haline geldiğini gösteriyor. Varlık hazırlama, fizik bağlama ve sahne kurgusu gibi emek yoğun adımların doğal dille yönetilmesi, simülasyon geliştirmenin kapısını daha geniş bir kitleye açabilir. Kritik nokta, ajan çıktısının mühendislik doğrulamasından geçmeye devam etmesi.