NVIDIA 在 AI City Challenge 提供 212 小時 1080p 解析度室內合成資料集，促進智慧城市及工業自動化發展。
在國際電腦視覺與圖型識別會議 (CVPR)的年度人工智慧城市挑戰賽 (AI City Challenge)中，NVIDIA貢獻其有史以來最大規模的室內合成資料集，藉此協助研究人員、開發人員推進智慧城市及工業自動化解決方案發展。
透過此是內合成資料，研究人員或開發人員可透過此合成資料集測試模型，並且藉由NVIDIA Omniverse平台快速建立基於通用場景描述 (Open USD)的應用程式及工作流程。
相較傳統工廠、倉庫等大型室內空間安排，通常需要準確量測與實際安排定位，過程往往會需要花費大量時間與人力，而藉由NVIDIA Omniverse平台以數位孿生方式建立模擬環境，透過虛擬化方式進行更有效率的安排，藉此確認工廠產線運作，或是倉庫內存放貨品運用是否達最佳化，並且確保工作人員、小型運輸載具，甚至未來將普及應用的自主機器人可順利工作。
而在諸多自動化解決方案中，透過攝影鏡頭等設備進行真實世界感知、理解，並且用於追蹤環境中多個物件，為了確保其運作正確性，相應模型必須建立在應用大量真實資料集的訓練基礎，藉此對應各類應用場景。
不過，蒐集相關真實資料充滿各類挑戰，同時也需要耗費大量時間與成本，因此NVIDIA此次針對年度人工智慧城市挑戰賽超過400個團隊提供使用的合成資料集，包含長度達212小時的1080p解析度、每秒30張畫格形式影片，涵蓋昌倉庫、零售店、醫院等6個虛擬環境與90個場景，並且透過近1000組模擬攝影機、約2500個數位人類角色建構模型。
而此模型是以NVIDIA Isaac Sim平台中的Omniverse Replicator工具建立，讓研發人員或開發人員能在基於NVIDIA Omniverse服務平台構建符合真實物理互動的虛擬環境，並且針對機器人、空間互動，或是自主機器運作進行模擬、訓練。
目前包含台灣國立陽明交通大學、澳洲國立大學、阿拉伯聯合大公國移動研究中心、印度理工學院坎普爾校區、美國愛荷華州立大學、美國約翰霍普金斯大學、美國聖塔克拉拉大學、阿拉伯聯合大公國大學、美國紐約州立大學奧爾巴尼分校，以及豐田在內10家機構組織參與此次年度人工智慧城市挑戰賽。
除了提供年度人工智慧城市挑戰賽使用此模型，在NVIDIA對外貢獻此室內合成資料集之後，預期將加速全球各地研究人員、企業開發基於物理模擬的基礎設施自動化和機器人應用服務，並且在真實世界執行各類複雜任務。
開發人員亦可透過NVIDIA Metropolis工具強化機器人感知能力，並且透過NVIDIA Isaac Sim平台加強模擬訓練，讓機器人在實際佈署於真實環境前，即可完成前期訓練，避免在實際應用過程出現錯誤，另外也能藉由NVIDIA Omniverse Cloud Sensor RTX進一步提高模擬準確性與佈署規模。
