NVIDIA presenta marcos de seguridad Halos y OpenUSD 1.0 para IA física
La especificación OpenUSD Core 1.0 establece estándares para datos y comportamientos. Este avance, junto con el marco Halos, busca acelerar el desarrollo seguro de vehículos autónomos y robots.
Fundamentos para una IA física segura
El estándar OpenUSD permite activos SimReady interoperables. Estos activos, con propiedades físicas validadas, se usan en NVIDIA Isaac Sim para crear gemelos digitales y generar datos sintéticos. El plan de estudios Learn OpenUSD es ahora de código abierto.
Mundos generativos como multiplicador de seguridad
Técnicas como el Gaussian splatting y modelos de mundo generativo aceleran la creación de entornos 3D fotorrealistas. La empresa World Labs usa estos modelos con herramientas de NVIDIA para reducir el tiempo de creación de semanas a horas, permitiendo pruebas seguras en simulación.
Seguridad integral para vehículos autónomos
El marco Sim2Val combina estadísticamente pruebas del mundo real y simuladas. La herramienta de código abierto Omniverse NuRec Fixer mejora la calidad de los activos. El NVIDIA Halos AI Systems Inspection Lab, acreditado por ANAB, ofrece inspección y certificación imparcial.
Líderes del ecosistema aplicando la seguridad
Bosch, Nuro y Wayve son los primeros participantes en el laboratorio de inspección Halos. Onsemi es la primera empresa en pasar dicha inspección. Mcity de la Universidad de Michigan mejora su gemelo digital con bibliotecas de Omniverse para pruebas de escenarios raros y peligrosos.
Antecedentes del desarrollo en IA física
La IA física está pasando de los laboratorios de investigación al mundo real, impulsando robots inteligentes y vehículos autónomos. Para escalar estos sistemas de forma segura, los desarrolladores necesitan flujos de trabajo que conecten datos del mundo real, simulación de alta fidelidad y modelos de IA robustos sobre la base común del marco OpenUSD.
Cierre e implicaciones del avance
La convergencia de OpenUSD 1.0, generación de datos sintéticos y el marco Halos establece una ruta basada en estándares para el despliegue de máquinas autónomas. Estas innovaciones buscan hacer que la validación sea más rigurosa y escalable, reduciendo la necesidad de costosos kilómetros físicos en pruebas.
