L’intégration de l’intelligence artificielle physique (Physical AI) dans les véhicules autonomes, notamment les robotaxis, repose désormais sur des fondations technologiques robustes et standardisées. Grâce à l’OpenUSD Core Specification 1.0, le cadre ouvert de description de scènes universelles (USD) offre désormais des types de données, formats de fichiers et comportements de composition standardisés, assurant une interopérabilité fiable dans les pipelines de simulation à grande échelle. Cette avancée permet aux équipes de développer des systèmes autonomes en connectant des données du monde réel, des simulations haute fidélité et des modèles d’IA sur une base commune. NVIDIA Omniverse, alimenté par OpenUSD, intègre le rendu RTX, la simulation physique et des exécutions optimisées pour créer des jumeaux numériques et des actifs « SimReady » — c’est-à-dire prêts à être utilisés dans des simulations réalistes. Ces actifs, dotés de géométries précises, de matériaux réalistes et de propriétés physiques validées, peuvent être chargés directement dans Isaac Sim ou Isaac Lab, permettant aux robots d’expérimenter des contacts, dynamiques et retours de capteurs fidèles à la réalité. Des innovations comme le Gaussian splatting et les modèles mondiaux génératifs accélèrent la création de mondes virtuels. À SIGGRAPH Asia, NVIDIA a présenté Play4D, une pipeline de rendu 4D qui améliore la fidélité des scènes dynamiques. En collaboration avec World Labs, l’outil Marble permet de générer, en quelques heures, des environnements 3D photoréalistes et prêts à la physique à partir de prompts textuels ou d’images, réduisant considérablement les délais de création. Ces mondes sont utilisés pour entraîner, tester et transférer des modèles d’IA du virtuel vers le réel. Lightwheel, via sa bibliothèque d’actifs SimReady, facilite l’assemblage de jumeaux numériques complexes en s’appuyant sur OpenUSD, garantissant une cohérence et une réutilisation efficaces entre outils et équipes. Par ailleurs, le cadre Sim2Val, développé par NVIDIA avec Harvard et Stanford, permet de combiner statistiquement les résultats réels et simulés pour valider la sécurité des véhicules autonomes sans nécessiter des milliers de kilomètres physiques. Ce cadre, renforcé par l’outil open-source NuRec Fixer — un modèle Cosmos entraîné pour corriger les artefacts dans les reconstructions neuronales — améliore la qualité des actifs simulés. Le programme de certification Halos, géré par le laboratoire d’inspection NVIDIA Halos AI Systems (accrédité ANAB), offre une validation indépendante des systèmes AV, capteurs et plateformes. Bosch, Nuro, Wayve et Onsemi, premier fabricant à obtenir l’inspection, s’appuient sur ce cadre pour accélérer le déploiement sécurisé des flottes de robotaxis. Des outils comme CARLA (avec intégration NuRec et Cosmos Transfer) et FiftyOne (via Cosmos Dataset Search) permettent de gérer des jeux de données multimodaux, tandis que Mcity (Université du Michigan) utilise Omniverse pour créer un jumeau numérique de son terrain d’essai de 32 acres, intégrant des modèles physiques de capteurs pour tester des scénarios rares et dangereux en toute sécurité. Ces avancées marquent une nouvelle ère de développement des systèmes autonomes, où la simulation fiable, la standardisation OpenUSD et les cadres de sécurité rigoureux s’unissent pour rendre les robotaxis plus sûrs, plus rapides à déployer et plus économiques à tester.