機器人與代理工具
NVIDIA 以 OpenUSD 與 SimReady 驗證串起 Blender 機器人場景代理流水線
NVIDIA 示範由編排代理及專用子代理替 Blender 場景補上語意、感測器與物理資料，再交付 Isaac Sim 或 Isaac Lab。流程的技術核心是把 OpenUSD 當成共享狀態、以可執行規格作為驗收門檻，但目前證據主要仍是一套供應商示範。
NVIDIA 公開一套[代理式場景準備流程](https://developer.nvidia.com/blog/how-to-use-ai-agents-to-prepare-3d-scenes-for-simulation/)，目標不是直接訓練機器人策略，而是處理更早期的資料工程：把視覺上完整的 Blender 場景轉成可供 Isaac Sim、Isaac Lab 使用的 OpenUSD 世界。Codex 或 Claude 負責拆解任務；NemoClaw 部署的 Hermes 等子代理透過 Blender MCP 盤點物件、材質與階層，再呼叫 Omniverse 函式庫寫入語意標籤、碰撞形狀、剛體屬性、相機與 lidar 設定。
OpenUSD 在這裡不是單純匯出格式，而是代理間的持久合約。場景階層、轉換、材質、感測器與物理中繼資料可分層加入，後續代理因此能檢查及修補同一份狀態，而不必從截圖猜測或反覆產生一次性檔案。`ovphysx` 負責物理屬性與模擬，`ovrtx` 產生機器人視角、語意分割及感測器預檢；若目標被遮蔽或碰撞網格不合理，編排代理可把結果送回相應子代理重做。
最後一道門檻是開源的 [SimReady Foundation](https://github.com/NVIDIA/simready-foundation)。它把要求組成 capability、feature 與 profile，並提供 `simready-validate` CLI／Python API，讓場景依機器人物件、剛體或特定執行環境的規格驗證。安全、機械式錯誤可自動修復，語意不明或物理行為取決於任務意圖的項目則停下來交由人員確認。
這套設計值得注意之處，是把多代理輸出接到確定性驗證器，而非讓模型自行宣告完成。不過官方沒有提供大規模場景的工時、錯誤率或與人工流程的對照；示範中的缺陷數量也不能視為基準結果。工程團隊下一步應測量自動修補後的回歸率、MCP 工具權限、USD profile 的版本相容性，以及生成場景在不同模擬器與真實機器上的轉移誤差。