NVIDIA 于 2026 年 7 月 20 日宣布，NVIDIA Agent Toolkit 现已加入 Omniverse libraries，让 AI agent 可以在现有 3D 应用程序内使用 sensor simulation、GPU-accelerated physics 和 simulation-ready asset validation 等能力，协助准备 physical AI 的训练和测试环境。
这次更新的重点不是再推出一个独立聊天 agent，而是把一组可以被工具调用的 domain capabilities 放入 agent workflow。NVIDIA 列出的 libraries 包括 ovrtx，用于从 3D scene 生成 camera、lidar、radar 等 sensor outputs；ovphysx，用于以 collision、mass、friction 和 motion 等物理属性模拟行为；以及 CAD-to-SimReady skills，用于把 CAD 数据转换为基于 OpenUSD 的 SimReady assets。
这种能力对于 robotics、industrial digital twins 和 autonomous systems 很关键。真实机器投入运行前，团队需要先知道场景中的物体怎样碰撞、传感器会看到什么、素材是否有正确的比例和物理属性。当 agent 能够检查 scene、标记问题、测试修改和准备 asset，工作就不只是「生成一个 3D 模型」，而是把模型推向可以被模拟、验证和反复修改的状态。
NVIDIA 表示，新的 Omniverse libraries 已在 GitHub 开放，SideFX 和 PTC 正把相关能力整合到 3D、CAD 和 product-data workflow；公告还提到一个在 Blender 整合 Omniverse libraries 的 blueprint，并支持从 NVIDIA RTX Spark 到 DGX Station 的 cloud 和 local AI systems。这些例子说明 agent-ready 工具不一定要迫使团队离开原有软件，而可以作为现有应用程序的一层能力。
不过，供应商公告不能独立证明生成的 scene 在真实世界一定准确或安全。NVIDIA 的技术文章把 ovrtx 描述为 pre-release software；sensor model、物理参数、CAD 转换、模拟和实体机器之间仍然存在差距。即使 agent 能够通过模拟测试，也不代表可以跳过硬件在环、专家审阅、故障注入和分阶段部署。
这次发布较值得借鉴的地方，是把「agent 可以做什么」和「agent 可以用什么工具验证」放在同一架构内。对于 physical AI 团队来说，一条比较完整的流程应包括数据及场景检查、工具权限、模拟输出、验证门槛、版本化资产、人工批准和实体测试结果，而不只是让 agent 自动生成更多内容。
NVIDIA 这项更新也反映 agent 市场的一个转变：下一阶段的竞争不只在模型回答得好不好，而在于模型能否安全地调用专门工具，并把输出放入一条有验证、有责任归属的工作链。对于需要连接设计、工程和运营数据的 physical AI 应用来说，simulation-ready 可能比单次生成更接近真正的交付标准。
