相信今年不少人都中了“虛擬老黃”的障眼法，讓英偉達(dá)的Omniverse也迅速被視為元宇宙的開發(fā)平臺之一。在今年舉辦的GTC 21開發(fā)者大會上，英偉達(dá)再度為Omniverse公布了一系列新工具和新特性，其中之一就是Omniverse Avatar（化身）。

黃仁勛Omniverse Avatar AI助手 / 英偉達(dá)

我們也都明白，英偉達(dá)CEO黃仁勛此前以假亂真的形象是花大力氣生成的，在AR/VR中見到的虛擬形象很難有如此精細(xì)的建模，更別說根據(jù)自身形象量體裁衣了。而Omniverse Avatar并沒有做到如此高的逼真度，僅僅是一個交互式的AI化身。通過語音識別、自然語言理解、推薦引擎和感知功能等技術(shù)完成智能交互，擺脫以往只聞其聲不見其人或是2D的傳統(tǒng)AI助手。

元宇宙的構(gòu)想很美好，為社交和娛樂生活帶來了無窮的可能性，但我們不可能無時無刻泡在元宇宙中，不然物質(zhì)世界就亂成一鍋粥了。既然無法突破物理桎梏，那么虛擬世界能否找到其他的反饋途徑，解決現(xiàn)實生活中的實際問題呢？Omniverse同樣注意到了這一點。

加速5G部署

5G網(wǎng)絡(luò)的部署相當(dāng)復(fù)雜，基站的位置并非隨意選定，而是通過一系列的計算得到的結(jié)果。但在不斷變化的復(fù)雜環(huán)境下，還是會有難以覆蓋到的死角，還有不少參數(shù)需要搭建好后才能進(jìn)行現(xiàn)場測試。那么Omniverse這類數(shù)字孿生構(gòu)建工具，又是如何與5G部署扯上關(guān)系的呢？

在Omniverse中模擬基站信號 / 英偉達(dá)

愛立信就在5G網(wǎng)絡(luò)部署上嘗試了一種新的方式，通過Omniverse生成物理參數(shù)匹配的數(shù)字孿生城市，實時模擬和具象化波束成型和信號路徑，在英偉達(dá)RTX加速的路徑追蹤渲染下，通過不同的顏色光線來確定信號的強(qiáng)弱和數(shù)據(jù)吞吐量等。借助這種新思路，網(wǎng)絡(luò)工程師可以調(diào)整基站位置，放置移動的車輛等物體，更是可以借助Omniverse VR在虛擬世界中親身見證，最終確定如何部署和配置基站才能達(dá)到最大的覆蓋范圍和最高的性能。

不少人可能會擔(dān)心，讓愛立信或者華為這種通信公司對每個城市都做精細(xì)建模，工作量是不是太大了？這確實是一個不可忽視的問題，但近期不少消息都證實了未來這種工作會更加輕松。比如韓國首爾就宣布打造城市元宇宙平臺，不僅提供市政服務(wù)，也將為真實場景打造虛擬建模。未來網(wǎng)絡(luò)部署時可以直接調(diào)用這些數(shù)據(jù)，完成基站測試。

自動駕駛與機(jī)器人的AI訓(xùn)練

大會上，英偉達(dá)還為Omniverse公布了另一項工具，Omniverse Replicator（復(fù)制器）。Replicator是一個強(qiáng)大的合成數(shù)據(jù)生成引擎，為深度神經(jīng)網(wǎng)絡(luò)（DNN）的訓(xùn)練提供物理模擬的合成數(shù)據(jù)。目前英偉達(dá)為該引擎公布了兩項復(fù)制器應(yīng)用，分別用于自動駕駛汽車模擬的Drive Sim和操作機(jī)器人模擬的Isaac Sim。

Drive Sim自動駕駛場景模擬 / 英偉達(dá)

這兩個復(fù)制器可以讓開發(fā)者自己搭建AI模型，填補(bǔ)現(xiàn)實世界的數(shù)據(jù)空缺，得出人類無法獲知的實際結(jié)論。比如在自動駕駛模擬中需要考慮罕見的危險狀況，而這些狀況是無法在現(xiàn)實世界中安全復(fù)現(xiàn)的。這種真實數(shù)據(jù)的缺失使得自動駕駛DNN難以解決突發(fā)情況的問題，因為自動駕駛方案商很難對其進(jìn)行真實的物理模擬。

而Drive Sim復(fù)制器充分利用了Omniverse的RTX路徑追蹤渲染，為攝像頭、毫米波雷達(dá)或激光雷達(dá)生成物理數(shù)據(jù)，甚至還原了真實世界中的效果，比如LED頻閃、動態(tài)模糊、激光雷達(dá)光速發(fā)散和多普勒效應(yīng)等。英偉達(dá)也為自己剛發(fā)布DRIVE Hyperion 8自動駕駛工具包應(yīng)用了這一技術(shù)，在交付之前就利用Drive Sim復(fù)制器生成的數(shù)百萬張圖片和擬真數(shù)據(jù)進(jìn)行了訓(xùn)練，傳感器安裝好后就可以直接部署DNN，省去了幾個月的開發(fā)時間。

這類問題在AMR自主移動機(jī)器人上也相當(dāng)常見，目前多數(shù)AMR小車都是基于激光雷達(dá)的方案，但像叉車這一類的工具中，激光雷達(dá)可以檢測到叉車底盤，卻很難檢測到叉具，如此一來機(jī)器人只實現(xiàn)了躲避了叉車底盤，卻撞上了叉具。這時就需要用到DNN訓(xùn)練，讓AMR感知到路徑上的叉車。

Isaac Sim復(fù)制器生成的各種叉車 / 英偉達(dá)

引入數(shù)個不同的叉車通用場景描述（USD）模型后，Isaac Sim復(fù)制器可以為DNN生成描繪叉車的數(shù)據(jù)集，并通過數(shù)據(jù)隨機(jī)化，比如改變顏色、材質(zhì)、光線、相對視角等，讓模型對叉車產(chǎn)生通識，最終生成叉車檢測DNN。

小結(jié)

Omniverse之類的數(shù)字孿生技術(shù)可以說是實現(xiàn)元宇宙的第一步，卻也開始應(yīng)用于現(xiàn)實場景，甚至可能比元宇宙更早一步落地。我們將自己投射進(jìn)虛擬世界中開展社交與娛樂，再把虛擬世界中所得拿出來完善生產(chǎn)工作，這可能才是元宇宙概念下最終的產(chǎn)品形態(tài)。