NVIDIA SimReady Central 深度解析：賦能機器人模擬與 AI 工廠數位孿生的開源 OpenUSD 3D 資產庫

在建構機器人模擬環境（Robotics Simulation）與高擬真 AI 工廠數位孿生（AI Factory Digital Twins）時，開發團隊長期面臨一個棘手的工程瓶頸：單純的 3D 幾何模型（如傳統 CAD 檔案）無法直接用於物理模擬。工程師往往必須耗費大量時間，手動為每個模型補齊碰撞幾何（Collision Geometry）、質量（Mass）、摩擦係數（Friction）與關節限制（Joint Limits）等物理與感測屬性。

為了解決這項痛點，NVIDIA 與 Hugging Face 於 2026 年 10 月 21 日正式發布 SimReady Central 官方部落格公告，在 Hugging Face 平台上推出免費且無存取門檻（Ungated）的 SimReady Central 開放資產庫。這項計畫匯集超過 2,000 個（其中核心資料集已收錄逾 2,575 個）具備模擬就緒（Simulation-Ready，簡稱 SimReady）屬性的 OpenUSD 3D 資產，為實體 AI（Physical AI）訓練環境與工業數位孿生提供隨取即用的標準化起點。

什麼是 SimReady 資產？從靜態 3D 模型到物理就緒

傳統 CAD 模型僅描述物體的外觀與幾何尺寸，但當自駕機器人或工業模擬器與物體互動時，系統必須理解該物體的物理行為、碰撞邊界與感測器反應。SimReady 資產即是以開放且可擴充的 OpenUSD（Universal Scene Description）框架為基礎，預先封裝好模擬工作流所需元資料（Metadata）的 3D 模型：

• 機器人操作任務（Robot Manipulation）：模型內建精確的質量、重心、碰撞幾何與表面摩擦屬性，避免夾爪抓取時發生穿透或滑落失真。
• AI 工廠數位孿生（AI Factory Workflows）：除設備幾何外，還可包含機櫃、冷卻設備所需的電力或熱力學元資料（Electrical & Thermal Metadata），支援配電與散熱效能分析。

為了讓資產規格具備可驗證的標準，NVIDIA 推出開源規範庫 SimReady Foundation（並提供完整的 SimReady Foundation 技術文件），定義不同模擬場景所需的「設定檔（Profiles）」與驗證工具。開發者可根據工作流需求，挑選符合特定 Profile 的資產並組合成 OpenUSD 場景。

三大核心入口：Space 互動搜尋、資產資料集與索引中心

SimReady Central 在 Hugging Face 與 GitHub 上透過模組化的架構運作，將互動檢索、資產儲存與審核索引清晰分離：

產業生態系：全球頂尖 OEM 與資產供應商共同參與

透過 SimReady Central，設備製造商（OEM）能將旗下的 CAD 產品模型轉換為 SimReady 資產，讓全球開發者與終端客戶直接在數位孿生環境中測試與配置自家設備，大幅縮短採購評估與工程部署週期。目前已加入的指標性夥伴涵蓋四大領域：

• AI 工廠基礎設施製造商：資料中心基礎設施大廠 Vertiv 提供倉儲設備架、伺服器機櫃、冷卻系統與周邊基礎設施模型，協助工程團隊建構高擬真的 AI 工廠數位孿生。
• 工業與協作機器人製造商：包含 Comau、FANUC（發那科）、Franka Robotics、Robotiq（如 2F-85 與 2F-140 夾爪）、Standard Bots 與 Universal Robots（優傲科技），提供經過驗證的機械手臂與末端夾爪資產，方便組合出完整的工業工作站（Workcells）。
• 智慧家電與家用機器人研發商：LG Electronics（LGE） 結合其在家電與家用機器人的雙重經驗，貢獻冰箱、洗碗機等高擬真可動家電資產，支援居家環境機器人訓練與合成資料生成。
• 模擬資產與 AI 輔助 CAD 供應商：Palatial 攜手 NVIDIA Robotics 釋出 NVIDIA Robotics 1K Dataset，並提供由文字、影像、掃描、規格表與 CAD 生成的複雜關節資產；ForgeCAD 則提供具備高品質材質貼圖的可動機器人道具（Articulated Robotics Props），強化機器人視覺感知與操作訓練。

OEM 貢獻流程：Agent 驅動的 CAD 轉檔與 PR 審核機制

為了降低製造商準備資產的技術門檻，NVIDIA 設計了一套支援 AI Agent 協作的標準化貢獻流程（詳見 5 Steps to Create SimReady Assets 技術指南）：

1. 申請協作者權限（Onboarding）：製造商前往 nvidia/simready-central-library 的 Community 討論區提交協作者申請，並提供 GitHub 帳號以取得 NVIDIA-Omniverse/simready-central 儲存庫權限。
2. CAD 轉 SimReady 資產準備：工程團隊可運用開源的 omniverse-cad-to-simready 技能 與前沿 AI 模型，將 STEP 等 CAD 檔案轉換為 OpenUSD 格式，自動賦予材質、物理屬性與關節設定，並依據 SimReady Foundation 的 Profile 規範完成驗證。
3. 打包上傳與 Pull Request 審核：遵循 submit-simready-assets 提交技能，透過 simready-manage submit 工具完成驗證、打包並上傳至原廠自己的 Hugging Face 資料集，最後向 submissions/<namespace>/<dataset> 提交包含不可變 Commit URL 的 Pull Request，由 NVIDIA 審核合併後正式納入索引。

AI 輔助場景建構：結合 USD Search 與前沿 AI 代理工作流

除了透過網頁介面手動下載，Hugging Face 已將 NVIDIA USD Search 深度整合至平台搜尋中，直接索引 USD 屬性與模擬元資料。開發者可結合前沿模型（例如文中所展示的 OpenAI GPT-6 Astra）與場景建構工具，以自然語言提示詞（Prompt）自動化組裝模擬場景。

應用實例一：機器人倉儲揀貨與放置（Pick-and-Place）

開發者只需向 AI 代理下達需求，指定透過 nvidia-simready-central.hf.space 搜尋 FANUC 機械手臂、相容的 Robotiq 夾爪與倉儲道具，並在 NVIDIA Isaac Sim 中使用 PhysX 引擎建立揀貨場景：

Using SimReady assets from SimReady Central on Hugging Face, create a basic warehouse pick-and-place scenario in Isaac Sim using PhysX. Use the nvidia-simready-central.hf.space to find a FANUC robotic arm, a compatible Robotiq gripper, and suitable warehouse assets. Generate the Python code to assemble the scene and configure the pick-and-place task. Render a .mov preview so I can review the results. Include the scripts, asset versions, and runtime versions so I can reproduce the scenario.

在該工作流中，AI 代理會自動完成五個步驟：

• 查詢資產：呼叫 SimReady Search API 檢索符合規格的機械手臂、夾爪與貨架資產。
• 載入舞台：透過 Reference 或 Payload 機制將資產引入 OpenUSD Stage。
• 生成程式碼：撰寫 Python 腳本自動組裝機器人工作站（Workcell）。
• 配置任務：設定揀貨與放置（Pick-and-Place）的運動控制邏輯。
• 渲染預覽：輸出 .mov 預覽影片並附上資產版本與執行環境資訊，確保團隊可直接重現與微調，甚至支援如 Hugging Face 與 Pollen Robotics 合作的開源機器人 Microduck 等專案。

應用實例二：AI 工廠空間佈局比較與淨空檢查

獨立軟體供應商（ISV）或資料中心規劃團隊同樣能利用此工作流建立 AI 工廠數位孿生。當開發者提供設備尺寸與走道淨空（Aisle-Clearance）規範後，AI 代理可從 SimReady Central 挑選伺服器機櫃與冷卻設備，自動生成兩套替代的 OpenUSD 廠房佈局方案，並撰寫檢核腳本自動偵測設備重疊（Equipment Overlaps）與走道淨空違規。

完成初步場景後，團隊可透過四個方向持續擴充環境價值：

• 分層重用環境（Reuse the environment）：將基礎佈局與特定任務變更保存在不同的 OpenUSD 圖層（Layers）中，讓同一套底層資產支援多組實驗。
• 多樣化場景變化（Vary the scenarios）：從資產庫引入更多設備與障礙物，隨機或系統性地改變擺放位置，全面評估機器人策略或工廠配置。
• 建構專屬測試（Build application-specific tests）：在機器人領域連結 Isaac Lab 進行強化學習訓練與評估；在 AI 工廠領域則串接電力分配與熱流模擬工具。
• 銜接實務營運（Carry validated layouts into operations）：將驗證後的 AI 工廠數位孿生串接現場的建築管理系統（BMS）與 IT 遙測資料（Telemetry），實現與實體機房同步的即時營運監控。

相關連結與開發者資源總整理

為方便快速查閱與實作，以下整理 SimReady Central 官方文章與生態系中的核心連結：

• 核心平台與資料集
  • Announcing SimReady Central 官方部落格文章（Hugging Face Blog）
  • SimReady Central 互動式 3D 資產搜尋與預覽空間（Hugging Face Space）
  • NVIDIA SimReady Assets 官方開源 3D 資產資料集（Hugging Face Dataset）
  • NVIDIA SimReady Central Library 跨原廠共享資產索引庫（Hugging Face Dataset）
  • SimReady Central Status 服務負載狀態資料集（Hugging Face Dataset）
• 開源規範、GitHub 儲存庫與 AI 代理技能（Skills）
  • SimReady Foundation 模擬資產規範與 Profile 儲存庫（GitHub）
  • SimReady Foundation 官方技術文件與入門指南（GitHub Pages）
  • NVIDIA-Omniverse/simready-central 資產審核與提交儲存庫（GitHub）
  • submit-simready-assets 原廠資產提交 Agent 技能說明（GitHub）
  • omniverse-cad-to-simready CAD 轉 SimReady 資產 Agent 技能（GitHub）
• 延伸技術教學與外部深度報導
  • 5 Steps to Create SimReady Assets for Robotics with Frontier AI Models（NVIDIA 技術部落格）
  • NVIDIA Opens SimReady Central, a Free Library of 3D Simulation Assets（Unite.AI 報導）
  • NVIDIA SimReady：2,575 個資產之外，物理數據怎樣落地？（Mushroom.cv 資產核查報告）