SimReady Central stellt mehr als 2.000 simulationsfertige 3D-Assets auf Hugging Face bereit

Was SimReady-Assets sind und was die Bibliothek enthält

Für Robotiksimulationen und hochwertige Digital Twins von KI-Fabriken braucht es laut dem Beitrag mehr als 3D-Modelle. Entwickler müssen oft Eigenschaften wie Kollisionsgeometrie, Masse und Reibung von Hand ergänzen. SimReady-Assets sind 3D-Modelle, die bereits mit den Eigenschaften ausgestattet sind, die Simulations-Workflows benötigen. Das verringert den manuellen Aufwand.

Die Bibliothek umfasst Infrastruktur- und Ausrüstungs-Assets, von Roboterarmen und Greifern über Lagerausstattung bis hin zu Racks und Kühlinfrastruktur. Entwickler können prüfen, welche Fähigkeiten ein Asset unterstützt, und Assets verschiedener Anbieter anschließend in einer Szene kombinieren.

Die Assets liegen als OpenUSD-Dateien vor. OpenUSD ist ein offenes, erweiterbares Framework zur Beschreibung und Zusammenstellung von 3D-Szenen. Ein detailliertes CAD-Modell sei ein nützlicher Ausgangspunkt, schreiben die Autoren, doch für die Simulation brauche es mehr Informationen darüber, wie ein Objekt zu interpretieren ist. Bei einer Roboter-Manipulationsaufgabe können das Masse, Kollisionsgeometrie und Reibung sein. Bei der Arbeit an KI-Fabriken kann es um die Geometrie der Anlagen sowie um elektrische oder thermische Metadaten gehen, die eine Anwendung benötigt.

Profile legen fest, was ein Asset enthalten muss

SimReady Foundation liefert Spezifikationen, Profile und Validierungswerkzeuge, die diese Anforderungen explizit machen. Ein Profil definiert die logische Gruppierung von Merkmalen und Fähigkeiten, die ein Asset für einen bestimmten Anwendungsfall benötigt. Je nach Asset und Profil können dazu gehören:

• Kollisionsgeometrie und physikalische Eigenschaften: Kontakt- und Physiksimulation in einer unterstützten Laufzeitumgebung.
• Gelenkstruktur und Grenzwerte: Bewegung von gelenkigen Robotern und Anlagen.
• Semantische Labels: Objekterkennung und annotierte synthetische Daten.
• Materialien und Sensorattribute: Rendering und unterstützende Sensorsimulation.

Entwicklern wird empfohlen, Assets auszuwählen, deren Profile zu ihrem Workflow passen, und sie in einer OpenUSD-Szene zusammenzusetzen.

Hersteller und Anbieter, die Assets beisteuern

Gerätehersteller (OEMs) können Assets anhand der SimReady-Anforderungen vorbereiten und validieren und sie in der Bibliothek veröffentlichen, um Entwickler zu erreichen. Sie verwalten ihre eigenen Hugging-Face-Datensätze. Um Assets beizusteuern, nutzen OEMs den SimReady-Central-Einreichungs-Skill: Damit validieren sie Assets anhand der jeweiligen Profile, verpacken sie und reichen sie zur Aufnahme ein.

Der Beitrag nennt mehrere Beteiligte. Vertiv wird als OEM für KI-Fabriken genannt, etwa für Assets wie Serverracks und Kühltechnik. Als Robotik-OEMs werden Comau, FANUC, Franka Robotics, Robotiq, Standard Bots und Universal Robots aufgeführt. Deren Roboterarme und Greifer werden für Trainings- und Evaluierungsumgebungen auffindbar. Palatial steuert den NVIDIA Robotics 1K Dataset bei, der in Zusammenarbeit mit NVIDIA Robotics veröffentlicht wurde, sowie komplexe gelenkige Assets, die aus Text, Bildern, Scans, Datenblättern und CAD-Daten erzeugt werden. LG Electronics (LGE) kann Assets wie Kühlschränke und Geschirrspüler für die Simulation von Haushaltsrobotern bereitstellen, und ForgeCAD bietet gelenkige Robotik-Props mit hochwertigen Texturen an.

Suche und KI-gestützter Szenenaufbau

NVIDIA USD Search ermöglicht die Suche in natürlicher Sprache in der Bibliothek und hilft Entwicklern und KI-Agenten, Assets über die teilnehmenden Datensätze hinweg zu finden. Hugging Face hat USD Search zudem in die Plattformsuche integriert, mit indexierten USD-Eigenschaften und Simulationsmetadaten. Die Umgebungen können Projekte wie Microduck unterstützen, einen Open-Source-Roboter von Hugging Face und Pollen Robotics.

Die Autoren beschreiben außerdem KI-gestütztes Authoring mit Frontier-Modellen wie GPT-6 Astra von OpenAI, kombiniert mit Asset-Suche und Werkzeugen zur Szenenerstellung. Anhand von Aufgabenanforderungen und räumlichen Randbedingungen kann Astra laut dem Beitrag helfen, passende Assets zu finden, Code zum Zusammenbau einer Szene zu schreiben und Szenariovarianten zu erstellen. OEMs können es nutzen, um Assets vor der Validierung und Einreichung vorzubereiten und zu verfeinern.

Als Beispiel könnte ein Entwickler ein Pick-and-Place-Szenario für ein Lager in Isaac Sim mit PhysX anfordern, mit einem FANUC-Arm, einem kompatiblen Robotiq-Greifer und Lager-Assets. Die Autoren erwarten, dass Astra die SimReady Search API abfragt, die Assets in eine OpenUSD-Stage einbindet, Python-Code für die Arbeitszelle erzeugt, die Aufgabe konfiguriert und eine Vorschau zur Prüfung rendert. Der Beitrag sagt außerdem, derselbe Ansatz könne einen ISV beim Aufbau eines Digital Twins einer KI-Fabrik unterstützen. Der vorliegende Quelltext endet jedoch, bevor dieser Teil erläutert wird.

Was das für Entwickler und Hersteller bedeutet

Für Entwickler bietet die Bibliothek einen kostenlosen, frei zugänglichen Ausgangspunkt für Trainingsumgebungen der physischen KI, statt jedes Modell von Grund auf selbst aufzubereiten. Für Hersteller ist sie eine Möglichkeit, ihre Ausrüstung auffindbar zu machen und Endkunden zu ermöglichen, Szenarien schneller zu testen und zu simulieren. Das könne, so die Autoren, Entscheidungen beschleunigen.