核心概念
代理 AI 工作流（Agentic AI workflows）可自動化將實體機器人系統的數位雙生（digital twin）從設計階段轉換為模擬就緒（SimReady）的 OpenUSD 檔案。透過 AI 代理（agents）檢查 3D 場景、加入物理屬性、產出預覽渲染，最終交付給 NVIDIA Isaac Sim 或 NVIDIA Isaac Lab 進行機器人模擬。
工作流程與挑戰
在實務上，機器人開發者常因缺乏「模擬就緒」的世界而卡關。將 Blender 中的 3D 場景轉換為可直接訓練的模擬環境，需要大量手動標記、物理設定與驗證，工作量龐大且易出錯。
此篇報導示範的工作流結合了 NVIDIA Omniverse Libraries（提供場景檢查與資料產出 API）與 OpenUSD（Universal Scene Description 的開放格式），由 Codex（以 OpenAI GPT‑6 Astra 為核心）負責整體任務協調與結果解讀；同時透過 NVIDIA NemoClaw 部署的 Hermes 子代理完成以下專責任務：
| 子代理功能 | 說明 | | -------- | ---- | | 場景檢查 | 讀取 Blender 匯出的 USD，驗證是否符合 SimReady 規範 | | 模擬資料編寫 | 在 OpenUSD 中加入抓取、碰撞等模擬相關的 metadata（資料說明） | | 物理屬性配置 | 為物件設定質量、摩擦係數等物理參數 | | 預覽渲染 | 產生「pre‑flight」視圖，讓開發者提前檢視模擬結果 |
Codex 先將開發者的「把 3D 場景變成可模擬」需求，拆解成多個子任務，辨識相依關係，然後指派給相應的 Hermes 子代理。每個子代理使用不同的 NVIDIA Nemotron 模型（視覺、推理、工具使用），完成後回報結果，Codex 再進行彙總與驗證，形成可重複的 SimReady 世界建置流程。
未來展望
將 代理 AI 與 Omniverse 工具鏈深度整合，讓機器人研發人員不必再為「場景前處理」耗費大量時間。未來若能進一步擴充子代理的專業領域（如自動化感測器配置、動態障礙物生成），整個機器人訓練管線將更趨自動化與即時化。對於想要快速驗證新機械手臂或移動平台的開發者而言，這種 多代理工程工作流 有望成為標準作業模式，縮短從概念驗證到實機部署的週期。