如何利用 AI Agent 準備 3D 場景以利機器人模擬訓練
為何重要
這篇技術說明書證實了「端到端 Agentic Workflow」在工業領域的實用性，成功解決機器人模擬領域場景準備高工時、非結構化的痛點。 對產業影響來看，NVIDIA 積極整合 LangChain 與 Hermes 等現有 Agent 生態，透過 NemoClaw 與 Omniverse Libraries 建立濃厚的軟體壁壘，強化其硬體優勢的附帶價值。 對投資人而言，這不只是技術展示，更印證了 NVIDIA 雲端伺服器與工業軟體的高毛利業務具備持續延展性，且其正嘗試把自己變成 Agent 開發者的標準運算基底。
NVIDIA 發布技術白皮書，示範如何運用 Agentic Workflow 架構，將 3D 藝術家在 Blender 建立的場景自動轉換為具物理屬性、感測器定義與 SimReady 驗證標準的 OpenUSD 資產，最終供 Isaac Sim 或 Isaac Lab 使用。
- 機制上，主代理由 ChatGPT 或 Anthropic 的 Claude 擔任，統籌本體論標籤與資產定義等整體任務。
- 底層工具鏈包含 NVIDIA NemoClaw（通用架構）、Hermes（代理框架）以及
ovphysx與ovrtx等針對物理編寫與視覺預渲染的專門 Library。 - 該流程透過 Blender Model Context Protocol (MCP) 掃描場景層級，確保在迭代作者標籤與碰撞幾何圖形時，不會破壞原始資產的後設資料。