NVIDIA 发布五步流程：用前沿 AI 模型打造机器人 SimReady 资产

核心事实

NVIDIA 开发者博客发布一篇技术文章，介绍将 CAD 资产转换为机器人仿真可用（SimReady）OpenUSD 资产的五步工作流。该流程由 NVIDIA Omniverse 库、SimReady Foundation 规范以及 NVIDIA 智能体技能（agentic skills）共同支撑，前沿 AI 模型可在各阶段协助解读参考资料并代为调用 Omniverse 工具，以减少人工准备量。

文章以 ABB Robotics 的 YuMi 机器人为例，五步依次为：从 STEP 文件导入机器人、依据参考图像与视频匹配外观、配置关节与碰撞几何等物理属性、按 SimReady 要求进行校验，最后在 NVIDIA Isaac Sim 中运行双臂与夹爪的抓取放置任务。文中提到 GPT-6 Astra 作为前沿 AI 模型的一个示例，可编写 Python 代码调用相关工具。

背景与影响

文章指出，把 CAD 资产用于机器人仿真不只是几何格式转换：若缺少碰撞几何，物体可能穿过夹爪；关节配置错误则会妨碍协同运动；质量与摩擦等属性直接影响抓取是否稳定。因此 SimReady 针对具体仿真用途定义了资产要求，开发者需选择相应 profile 并逐项校验，发现问题后修复并复检。

文中给出的物理配置示例包括：关节轴、限位与质量属性参考厂商数据表与一份公开 URDF；接触摩擦系数取静摩擦 0.8、动摩擦 0.6，恢复系数为零；质量按 STEP 几何体积估算并归一化到厂商给出的整机 38 千克、每个夹爪 0.28 千克。校验覆盖单位、几何、材质、刚体、关节、驱动、关节链与运行时行为。演示中双臂与夹爪完成了四轮抓取放置循环。

限制与来源

文章明确说明，上述材质设置为视觉估计，未做实测材质重建，也未使用 AI 生成贴图；质心与惯量按均匀密度实心件计算，未逐一建模内部电机、减速器与线缆；接触参数未针对实体 YuMi 进行标定。文中还提示，该内容由 NVIDIA Nemotron 生成摘要，AI 生成内容可能概括不完整，重要信息需自行核实。

本文信息来自 NVIDIA 开发者博客（developer.nvidia.com）的技术文章，具体工具版本、技能仓库与规范细节请以 NVIDIA 官网及 SimReady Foundation 仓库当前信息为准。