NVIDIA 在抢先体验阶段发布了独立的 Omniverse 库 ovrtx、ovphysx 和 ovstorage，使开发人员能够将 RTX 渲染和物理模拟嵌入到现有应用程序中。
NVIDIA 正在将其 Omniverse 平台分拆为独立库，让开发人员可以将 RTX 渲染和物理模拟直接插入现有应用程序中，而无需采用完整的容器堆栈。三个新库（ovrtx、ovphysx 和 ovstorage）本周在 GitHub 和 NGC 上抢先体验，标志着该公司物理 AI 目标的重大架构转变。
此举解决了工业机器人和数字孪生部署中持续存在的痛点：使扩展、无头部署和 CI/CD 集成变得复杂的整体运行时。 NVIDIA 现在不再强迫团队进行大规模平台迁移，而是将核心 Omniverse 组件公开为具有 Python 和 C++ 绑定的无头优先 C API。
每个库的作用
ovrtx 库处理高保真 RTX 路径跟踪和传感器模拟。开发人员可以用大约 10 行 Python 代码渲染帧并生成合成数据，并通过 DLPack 支持实现与 PyTorch、NumPy 和 Warp 的零拷贝数据交换。
Ovphysx 封装了用于 USD 原生物理模拟的 PhysX SDK，提供可以独立于任何 UI 依赖项运行的硬件加速动力学。异步、流排序的执行模型使应用程序能够对物理步进进行显式控制，这对于确定性机器人训练至关重要。
ovstorage 库将现有 PLM 系统和存储后端（S3、Azure）直接连接到 Omniverse，无需数据迁移。它专为 Kubernetes 部署而设计，让团队能够独立扩展微服务。
艾萨克实验室已经转型
NVIDIA 正在内部测试这些库。 Isaac Lab 3.0 Beta 是该公司的强化学习模拟框架，已从整体 Kit 框架转变为由 ovphysx 和 ovrtx 提供支持的模块化架构。结果：开发人员现在可以根据要求在 PhysX 或 MuJoCo-Warp 后端之间进行选择，而可插拔渲染器系统支持多种可视化选项。
对于 Isaac Lab 的工程团队来说，这一转变解决了三个瓶颈：显式执行控制取代了 Kit 的运行时循环、以不同速率运行的传感器的更新频率解耦，以及 Linux 集群部署的最小二进制占用空间。
工业合作伙伴已加入
ABB Robotics 正在将 Omniverse 嵌入到 RobotStudio 中，以进行物理 AI 训练和验证。 PTC 正在将 Onshape 直接连接到 Isaac Sim，以实现云原生机器人设计工作流程。西门子、Adobe、Cadence 和 Synopsys 也在集成这些库，共同点是无需重写架构即可添加 RTX 渲染和 PhysX 模拟的能力。
NVIDIA 还发布了 MCP（模型上下文协议）服务器，该服务器以机器可读模式公开 Omniverse 操作，使 Claude 和 Cursor 等基于 LLM 的代理能够安全地调用模拟 API。 NemoClaw 基础设施堆栈提供沙盒执行和基于策略的护栏，以实现自主代理部署。
抢先体验注意事项
在抢先体验期间，API 可能会在不同版本之间发生变化 - NVIDIA 正在发布迁移说明并通过 GitHub 和 Discord 收集反馈。该公司计划在 2026 年晚些时候发布具有 API 稳定性和长期支持的生产版本。
决策框架很简单：在将物理 AI 功能嵌入到现有 3D 或 CAD 应用程序中或进行轻量级无头部署时使用库。在构建需要集成 UI 和视口协调的新的、功能丰富的 OpenUSD 应用程序时，坚持使用完整的 Kit 框架。
对于一直在等待无需平台锁定的 Omniverse 功能的机器人开发人员和工业软件团队来说，这些库现已在 GitHub (ovrtx、ovphysx) 和 NGC (ovstorage) 上提供。