Nueva versión de Omniverse modela edificios, fábricas, ciudades e incluso el mundo entero

NVIDIA OVX está diseñada para simular aplicaciones de gran complejidad en el ámbito de la robótica, IA, automatización industrial y otras aplicaciones a escala.

NVIDIA acaba de presentar en GTC NVIDIA® OVX™, un sistema de computación diseñado para impulsar gemelos digitales a gran escala.

NVIDIA OVX está diseñado para operar complejas simulaciones de gemelos digitales que se ejecutarán dentro de NVIDIA Omniverse™, una plataforma de simulación del mundo en tiempo real con precisión física y de colaboración en el diseño 3D. 

El sistema OVX combina la computación acelerada por la GPU, los gráficos y la IA con un acceso al almacenamiento de alta velocidad, una red de baja latencia y una sincronización de precisión para proporcionar el rendimiento necesario para crear gemelos digitales con la precisión del mundo real. OVX se utilizará para simular gemelos digitales complejos para modelar edificios enteros, fábricas, ciudades e incluso el mundo. 

“Bob Pette, Vicepresidente de Visualización Profesional en NVIDIA, afirma que “Los gemelos digitales con precisión física son el futuro de la forma de diseñar y construir. “Los gemelos digitales cambiarán la forma de planificar de todas las industrias y empresas. La cartera de sistemas OVX podrá impulsar gemelos digitales auténticos, en tiempo real, siempre sincronizados y a escala industrial en todos los sectores.”  

OVX permitirá a los diseñadores, ingenieros y planificadores construir gemelos digitales físicamente precisos de los edificios o crear entornos masivos simulados fieles a la realidad con una sincronización temporal precisa entre los mundos físico y virtual. Las empresas pueden evaluar y probar sistemas y procesos complejos con múltiples sistemas autónomos que interactúan en el mismo espacio-tiempo para optimizar, ampliar o crear fábricas y almacenes más eficientes o entrenar robots y vehículos autónomos antes de desplegarlos en el mundo físico.

Desarrollar gemelos digitales

Dentro de la iniciativa sectorial “Digitale Schiene Deutschland” (Ferrocarriles Digitales para Alemania), DB Netze está construyendo en Omniverse un gemelo digital de la red ferroviaria nacional de Alemania para entrenar los sistemas de funcionamiento automático de los trenes y permitir el análisis predictivo mejorado por la IA para situaciones imprevistas en las operaciones ferroviarias. 

“Utilizar un gemelo digital fotorrealista para entrenar y probar trenes con IA nos ayudará a desarrollar sistemas de percepción más precisos para detectar y reaccionar de forma óptima ante los incidentes. En nuestro proyecto actual, NVIDIA OVX proporcionará la escala, el rendimiento y la capacidad de cálculo que necesitamos para generar datos para el desarrollo intensivo del aprendizaje automático y operar estas simulaciones y escenarios de gran complejidad”, afirma Annika Hundertmark, responsable de digitalización ferroviaria en DB Netze.

Especificaciones del sistema informático

El servidor OVX consta de ocho GPUs NVIDIA A40, tres NICs NVIDIA ConnectX® -6 Dx 200Gbps, 1TB de memoria del sistema y 16TB de almacenamiento NVMe. El sistema de computación OVX puede escalarse desde un único pod de ocho servidores OVX hasta un OVX SuperPOD formado por 32 servidores OVX conectados con la estructura de conmutación NVIDIA Spectrum-3 o varios OVX SuperPOD para acelerar simulaciones masivas de gemelos digitales.

Disponibilidad

Las soluciones OVX son NVIDIA-Certified Systems™, probadas y validadas para proporcionar el rendimiento, la capacidad de gestión, la seguridad y la escalabilidad necesarias. NVIDIA y los fabricantes de sistemas OEM proporcionarán conjuntamente un completo soporte de nivel empresarial para las soluciones NVIDIA OVX y el software Omniverse. NVIDIA OVX estará disponible a finales de este año a través de Inspur, Lenovo y Supermicro.

Ilustración: Jensen Huang, CEO de NVIDIA, durante su discurso inaugural de hoy


Únase a la conversación

Contacto | Diario TI es una publicación de MPA Publishing International Ltd., Reino Unido. © Copyright 1997-2022