使用 NVIDIA 模数的 Omniverse 扩展可视化交互仿真

这篇文章最初发表在 NVIDIA 技术博客上。

NVIDIA Modulus 是一个物理机器学习平台,它将物理的力量与数据相结合,构建高保真、参数化的人工智能代理模型,作为数字孪生模型,以接近实时的延迟进行模拟。

该前沿框架通过与 NVIDIA Omniverse ( OV )平台集成以实现实时虚拟世界仿真和全设计保真度可视化,扩展了其交互仿真能力。

以前,您需要自行设置可视化管道,这是模拟和分析工作流的关键组件。现在,您可以将 Omniverse 中的内置管道用于常见的输出场景,例如可视化流线和 iso 曲面,以获得 Modulus 训练 AI 模型的输出。另一个关键功能是能够在改变设计参数时近实时地可视化和分析高保真仿真输出。

增加模 OV 扩展的三个关键优点:

  • 该内置可视化管道支持少量常用模式,如流线、标量场切片和流。
  • 有一个近乎实时的模拟输出,用于更改设计参数并将其显示在屏幕上。
  • Omniverse 中丰富的生态系统现在可以与其他扩展集成,如 CAD 工具、端到端设计的可视化工具和模拟工作流。

这是 Modular OV 扩展的第一个预览版本, Modulus 团队欢迎您提出任何反馈或增强请求。 请向 Modulus NVIDIA 论坛提交反馈 .

启用 Modulus 扩展

Modulus 分机可用于 Omniverse Create . 在使用 Omniverse 启动器在支持的操作系统上安装 Omniverse Create 后,安装 Modulus 扩展。然后进入扩展窗口并搜索"Modulus"。这将启动核心扩展以安装并启用 Modulus 扩展。

图 1 :在 Omniverse 创建中启用 Modulus 扩展

对于这个预览版本, Modulus 扩展仅在Linux平台上受支持,并且运行 Omniverse Create和 Modulus 的 GPU 内存需求可能相当高。对于现有场景,我们观察到了 NVIDIA RTX 3090 或更高,我们建议使用 RTX A6000 级 GPU 以获得理想的性能。

可视化交互式仿真

模拟场景是预先打包的示例,可以帮助用户熟悉扩展的功能。

目前,可以使用以下预配置场景进行实验: modulus_scenario_fpga

通过在扩展管理器中搜索其名称来加载此场景扩展(在下面,我们将使用 modulus_scenario_fpga )。安装并启用扩展。如果您是第一次这样做,这个过程可能需要几分钟的时间才能下载预训练模型并安装到您的机器上。

该场景基于 参数化 3D 散热器示例 的模,在启用 OV 扩展的情况下,您可以可视化通过现场可编程门阵列( FPGA )几何形状的气流。

在这种情况下,模训练的参数化神经网络模型模拟气流路径。使用的推断输出数据是速度幅值,即在体积表面上定义的给定点处的空速。通过以相当低的速度放置一个表面,你可以看到气流在哪里减慢,这将是边界,当气流撞击到图 2 所示的散热片时。

您还可以使用流线分析气流,流线是通过在气流中添加平流粒子来计算的。为了更好地理解气流,您还可以使用气流的纹理。

图 2 :可视化并交互修改模拟场景

此版本的扩展提供了一组常见的可视化模式。每个模式都将使用可视化几何体填充 Omniverse 中当前打开的阶段,该阶段将随着参数的更改而更新。

  • Isosurface: 创建速度幅值的等值面。
  • Streamlines: 创建一组流线。
  • Slices: 添加速度幅值的三个轴对齐切片。

此外,您还可以使用扩展用户界面中的旋钮更改可视化参数。修改可视化参数时,不会重新评估模型。要了解哪些参数可以调整,请参阅 OV 集成文档

图 3 。更改可视化参数并在扩展用户界面中交互查看结果

Modulus 和物理 ML 的另一个改变游戏规则的方面是在参数化空间上训练模型的能力,该空间可用于推断由一组设计参数定义的设计空间。用户可以在场景中将其作为各种参数旋钮公开,这些参数可以更改,以近实时地推断和可视化新的模拟输出。当您更改这些设计参数时,将重新评估模型以推断新的几何体,并将输出可视化。

图 4 。更改散热器散热片的高度、长度等设计参数

了解更多信息

要了解有关扩展和本示例的更多信息,请参阅 Discord 实时会话,我们在其中讨论了更多关于模、其功能和 Modulus OV 扩展的信息。

立即下载 Modulus 并尝试 OV 扩展 .

图 5 。 NVIDIA Omniverse Stream, Modulu 入门

阅读原文

相关推荐
Together_CZ4 天前
Windows 下 CUDA / cuDNN / PyTorch GPU 训练环境搭建完整指南:虚拟环境与系统级环境两种方案
virtualenv·nvidia·cuda·cudnn·rtx 5060
元让_vincent5 天前
论文Review SLAM cuVSLAM | NVIDIA 2025 | CUDA加速的视觉里程计与建图系统
nvidia·视觉slam·gpu加速
AI小小怪6 天前
保姆级教程:Ubuntu 22.04 安装 NVIDIA GPU 驱动 + CUDA 12.6(RTX 3080 显卡)
linux·nvidia·cuda
feasibility.7 天前
nvidia-smi 失灵,显存凭空消失?—— NVML 驱动版本错配的记录
linux·运维·服务器·经验分享·nvidia·驱动
视***间9 天前
端侧大模型落地新标杆:视程空间将GPT-OSS边缘AI深度导入NVIDIA Jetson平台
人工智能·gpt·边缘计算·nvidia·ai算力·gpt-oss·视程空间
扫地的小何尚9 天前
掌握 Agentic AI 技术:AI Agent 定制方法全景与实践路径
大数据·人工智能·算法·ai·llm·agent·nvidia
Elastic 中国社区官方博客10 天前
快 12 倍的 Elasticsearch 向量索引:使用 GPU 和 CPU 分层部署 NVIDIA cuVS
大数据·人工智能·elasticsearch·搜索引擎·ai·全文检索·nvidia
阿里云大数据AI技术10 天前
开发者博客|在阿里云 PAI 平台实现规模化的机器人感知强化学习
人工智能·阿里云·机器人·强化学习·nvidia
藤谷性能13 天前
Jetson Orin Nano:安装Jetpack等基础工具并验证摄像头
边缘计算·nvidia·jetson orin
AgentOPC15 天前
Cerebras WSE-3 vs Nvidia H100/H200/B200:详细技术对比——谁才是 AI 时代真正的“芯片之王“
开发语言·人工智能·nvidia