NVIDIA 的 OpenUSD 和 Halos 框架提升 Robotaxi 和 AI 系统的安全性

NVIDIA 通过其最新的框架 OpenUSD 和 NVIDIA Halos 在增强自动驾驶汽车和物理 AI 系统的安全性方面取得了进展。根据 NVIDIA 的博客，这些进步将重新定义开发者创建和部署安全可靠 AI 技术的方式。

OpenUSD 在自动化系统中的作用

OpenUSD 框架，即通用场景描述，是 NVIDIA 方法的核心。最近发布的 OpenUSD Core Specification 1.0 确立了标准的数据类型和文件格式，创建了一个统一的平台，以开发可互操作的模拟管道。这对自动化系统的扩展至关重要，特别是在 robotaxi 和智能机器人的领域。

NVIDIA Omniverse 库与 OpenUSD 的集成允许创建数字孪生和准备好模拟的资产。这些工具对于生成合成数据和反映现实世界环境的测试场景至关重要，从而增强了自动化系统的开发过程。

AI 安全和模拟的进步

NVIDIA 的 Halos 框架旨在创建一个基于标准的路径，以安全部署自动化机器。通过利用合成数据生成和 SimReady 工作流程，开发者可以确保 AI 系统能够安全有效地处理罕见和具有挑战性的场景。

此外，NVIDIA Cosmos 世界基础模型增强了数据变异性，能够模拟多样的天气、光照和地形条件。这一能力对于在受控环境中测试和验证 AI 系统至关重要，然后才将其部署到现实世界。

合作与创新

NVIDIA 的努力得到了领先机构和公司的合作支持。例如，与哈佛大学和斯坦福大学的合作开发了 Sim2Val 框架，该框架将现实世界和模拟测试结果结合起来，以减少对大量物理测试的需求。这种方法在展示 robotaxi 和自动驾驶汽车在多种场景下的安全性方面具有重要作用。

博世、Nuro 和 Wayve 等行业领导者是首批参与 NVIDIA Halos AI 系统检查实验室的企业之一。此计划旨在通过提供 AI 系统的公正检查和认证，加速 robotaxi 车队的安全部署。

AI 和自动化系统的未来方向

展望未来，NVIDIA 继续推进 AI 安全和模拟的边界。开源 CARLA 模拟器与 NVIDIA NuRec 和 Cosmos Transfer 的集成将增强多样化场景变体的生成，进一步完善 AI 系统的测试过程。

此外，密歇根大学的 Mcity 正在利用 NVIDIA 的技术来增强其自动驾驶测试设施，为在车辆上路之前提供一个安全且可重复的驾驶场景测试平台。

NVIDIA 致力于通过 OpenUSD 和 Halos 等框架推动 AI 和自动驾驶汽车安全的进步，为更可靠和安全的 AI 系统铺平道路，确保它们能够在不断发展的技术环境中安全运行。