Nvidia正在通过自己的超现实物理模拟和协作产品Omniverse持续推动工业虚拟世界的边界。工业元宇宙是一个与真实世界平行的虚拟空间,在其中模拟真实的物理资产。
近日,Nvidia在针对开发者在线举行的GTC 2022大会期间,宣布推出了Omniverse Cloud,一种基于云的综合软件即服务解决方案,供艺术家、开发人员和企业团队使用Omniverse,在任何地方都可以设计、发布和运营元宇宙应用。
Omniverse是一个实时协作和模拟平台,可实现对世界的大规模真实再现。设计师和工程师团队使用该平台可以重新创建和模拟汽车、飞机、建筑物、工厂等,一个引擎或者是一座工厂的所有部件都可以设计成可以完全实时地模拟物理实体,可以像现实环境中一样做出各种反应。
这被称为“数字孪生”,是一种真实空间和物体的完全虚拟孪生,是工业元宇宙的一个组成部分。因此,通过对数字孪生进行迭代、更改和试验,就可以了解在现实世界中进行高成本的更改之前可能会发生什么。
不管是个人还是团队,使用Omniverse Cloud将能够围绕工作流程展开设计和协作,而无需本地计算能力。
Nvidia创始人、首席执行官黄仁勋表示:“元宇宙,3D互联网,连接了Universal Scene Description中虚拟3D世界,并通过模拟引擎进行查看。我们借助云中的Omniverse,可以连接全球团队来设计、构建和运营虚拟世界和数字孪生。”
Omniverse Cloud运行在Nvidia数据中心内专门设计的云计算架构上,硬件负责运行用于图形和模拟的Nvidia OVX架构,Nvidia HGX服务器用于运行高级AI工作负载。Omniverse Cloud采用了Nvidia Graphics Delivery Network,一个全球规模的分布式数据中心网络,用于交付从Nvidia基于云的视频游戏流媒体服务GeForce Now体验中积累的低延迟元宇宙内容。
让数字孪生在现实世界中发挥作用
数字孪生的强大之处在于,它可以非常精确地在元宇宙中模拟现实世界,就像是在虚拟世界中进行测试和可视化并结合物理世界的最终确定性一样。
零售巨头Lowe's为他们的员工提供了Nvidia Omniverse Enterprise和AR眼镜,就像是让他们具备了X光一般的视觉,例如以前员工为了要看清高处盒子上的小标签,就得爬上梯子才能看到,而有了数字孪生和AR眼镜,他们只需抬起头,眼镜上就可以显示出那个位置商品有关的数据。
员工还可以通过将数字孪生的AI全息图与当前货架上的商品进行比较,通过眼镜查看货架上的库存是否准确——例如货架上是否放错了商品,或者货架上的商品不够了,然后进行纠正和补充。
Lowe's首席数字和信息官Seemantini Godbole表示:“我们借助Nvidia Omniverse以前所未有的方式将数据整合在一起,赋予我们员工一种超能力。”
在门店管理方面它更进了一步,通过数字孪生和AI商店规划工具可以优化顾客的体验,先是检查购物者同时购买的商品,然后,将这些商品放置在靠近的位置,查看顾客步行流量的3D热图,这样员工把商品摆放得更靠近一些,以减少顾客挑选这些商品所需的步数。
Nvidia还宣布与德国铁路运营商Deutsche Bahn的数字部门Digitale Schiene Deutschland展开合作,该部门开始在不建造新轨道的情况下扩大网络容量,这就需要一个安全的自动化列车系统,让列车彼此之间的距离更短,以及涉及建立第一个国家级的轨道网络数字孪生模拟。
由于这涉及到对整个轨道系统进行逼真且物理上精确的模拟,所以是一项非常艰巨的任务,不仅如此,还包括穿过城市和乡村的各种轨道,以及来自包括站台测量和车辆传感器在内的许多来源的数据。
把整个网络的数字孪生嵌入到Omniverse中,Omniverse与真实的铁路网络同时运行,实时输入相同的数据,这样就能够利用AI来监控传感器和其他数据,通过模拟来防止事故发生。
德国铁路公司旗下DB Netz的Lead Perception Group的Ruben Schilling说:“借助Nvidia技术,我们能够开始实现全自动列车网络这一愿景。”
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。