来自现实世界的输入
数字孪生重构
将照片和视频转换为 3D 资源与多物体环境，包含三角形网格、PBR 材质及独立的语义部件。USDA 输出保留仿真工作流程所需的结构和物理属性。
面向 Physical AI 的 3D 创作
重建现有环境或根据规范生成结构化场景。
根据场景要求
大规模仿真数据
使用可用于仿真的资源和相应的任务定义生成完整的结构化场景。使用真实世界的分布来改变资源和布局，并生成用于模仿学习的机器人轨迹。
从提示词到完整的 SimReady 场景
具有铰接对象、物理材质和碰撞几何形状的环境，准备好在仿真中进行交互。 什么是 SimReady 3D？
物理关节
铰接零件模拟门、盖子和其他组件如何移动和相互作用。
物理材质
物理表面属性支持仿真中的接触和运动。
有效碰撞器
碰撞几何为对象提供了用于操纵和环境交互的物理存在。
机器人交互的语义 3D
资源携带有关其组件、接触面和抓取位置的信息。
语义部件推理
单独的网格识别有意义的组件，因此把手、门和柜体可以各自参与一项任务。
预设抓取点
Thrixel 为机器人操作设置抓取位置，并在仿真中验证抓取和提起动作。
精确的碰撞几何
网格碰撞器和USD Physics模式描述了交互过程中使用的接触和约束。
从参考图像到验证资源
重建工作流程连接外观、几何形状和物理行为。
- 01
参考输入
从单个对象或整个场景的图像开始。参考输入和尺寸指导重建。
- 02
3D重建
在结构化资源中创建几何体、PBR 纹理、语义部件的单独网格以及可用于仿真的物理。
- 03
Isaac Sim 验证
在仿真中测试和校准资源，通过接触、铰接和操作检查其行为。
模拟检查
- 静置稳定性
- 跌落
- 滑动
- 关节运动
- 抓取与提起
机器人学习仿真数据
资源和场景变化
程序变化将环境扩展到基于真实世界分布的多种配置。结构化场景保留模拟所需的资源、物理和任务定义。
模仿学习轨迹
机器人轨迹记录与环境的交互。语义部件、预设抓取点和经过验证的物理属性共同支持操作任务，用于生成模仿学习数据。
讨论 Physical AI 项目
共享参考输入、目标环境和机器人任务。团队可以讨论重建、场景生成和仿真数据要求。
联系 Thrixel