NVIDIA публикува OSMO с отворен код: един YAML файл оркестрира обучението на Physical AI, симулациите и тестването на роботи

Разработчиците на роботи нямат един проблем с изчислителната мощност. Те имат 3. Един модел се обучава върху клъстери с GB200 или H100, тества се в Isaac Sim върху RTX графични процесори, а след това се валидира върху Jetson, монтиран в реален робот. Всеки слой има собствен клъстер, собствен планировчик и собствени свързващи скриптове. NVIDIA OSMO е отговорът на NVIDIA на тази фрагментация: оркестратор на работни процеси с отворен код, базиран на Kubernetes, който позволява на екипа да опише целия процес в един YAML файл и да го изпълнява на всички нива, без да докосва инфраструктурния код.

Готов ли е за внедряване? Да. OSMO е с лиценз Apache-2.0, предоставя Helm диаграми и контейнери в NGC и има бърз старт за локално изпълнение, който стартира цялата контролна равнина на работна станция с KIND.

Проблемът с трите компютъра

NVIDIA представя физическия изкуствен интелект като проблем с три компютъра. Обучението се извършва върху графични процесори в центрове за данни. Симулацията, физиката и рендерирането на сензорни данни се извършват върху RTX хардуер от клас работни станции. Внедряването и тестването „хардуер в цикъла“ (HIL) се извършват върху периферни устройства като Jetson AGX Thor, обикновено локално. Обикновено всеки слой получава собствен набор от инструменти, а при предаването между тях се натрупват персонализирани скриптове.

OSMO третира и трите като бекендове на една контролна равнина. Всеки бекенд е Kubernetes клъстер, регистриран чрез CLI. Работните процеси никога не посочват име на клъстер. Те посочват платформа (например gb200, rtx-pro-6000 или jetson-agx-thor), а OSMO насочва задачата към пул, който я предлага.

Как изглежда един работен процес

Каноничният пример в хранилището представлява 3 свързани задачи:

simulation стартира контейнер на Isaac Sim върху rtx-pro-6000
train-policy стартира контейнер на PyTorch върху gb200 с 8 графични процесора, като приема изхода от задачата за симулация като вход
evaluate-thor стартира ROS приложение върху jetson-agx-thor, използва обучената политика и записва резултатите в набор от данни с посочено име

Зависимостите идват от inputs, постоянството на данните — от outputs, а разполагането — от platform. Ръководството за потребителя обхваща последователни и паралелни групи задачи, Jinja шаблони за параметризирани работни процеси, политики за повторен опит и приоритети HIGH/NORMAL/LOW с предварително изземване и споделяне на графични процесори между пуловете.

Основни възможности

Преносимост: Един и същ YAML файл работи на лаптоп (Docker/KIND) или в EKS, AKS, GKE, локални или изолирани от мрежата клъстери. Версия 6.3.0 добави deploy-k8s.sh с поддръжка на множество доставчици, който разполага OSMO в Azure AKS, AWS EKS, microk8s или всеки съществуващ клъстер, с конфигуриране на хранилище за MinIO, Azure Blob, AWS S3 или собствен S3.
Интерактивна разработка: Разработчиците могат да стартират VS Code, Jupyter или SSH сесии на отдалечен графичен възел, да използват exec в изпълняващи се задачи, да препращат портове към услуги и да синхронизират файлове с rsync в двете посоки. Версия 6.3.0 добави osmo workflow rsync download с лента за напредъка в реално време.
Планиране: По подразбиране OSMO използва NVIDIA KAI Scheduler. Версия 6.2.8 добави разполагане с отчитане на топологията на NVLink за задачи с множество графични процесори. Версия 6.3.0 направи exec_timeout и queue_timeout специфични за всяка група, така че блокирала група за симулация вече да не прекратява съседни групи за обучение.
Данни: Проектът описва набори от данни с адресиране чрез съдържание и дедупликация, за които твърди, че могат да намалят необходимото хранилище от 10 до 100 пъти. Имайте предвид, че самостоятелните CLI команди osmo dataset и API интерфейсът /datasets бяха обявени за остарели във версия 6.3.0 и предстои да бъдат премахнати във версия 6.4, като заместител са изходните набори от данни, управлявани от работните процеси.
Сигурност и идентичност: От версия 6.2.8 OSMO включва страничен контейнер за оторизация с RBAC, интеграция с OAuth2 прокси с вход чрез код на устройството и съпоставяне на потребители с доставчик на идентичност. Версия 6.3.0 добави прекратяване на TLS на шлюза Envoy и идентичност на работните натоварвания в облака (Azure Workload Identity, AWS IRSA/Pod Identity), така че услугите вече да не монтират ключове за хранилища като Kubernetes Secrets. Версия 6.3.1 затегна ролята по подразбиране osmo-user до пула по подразбиране.
Интеграция с агенти: Хранилището включва AGENTS.md, директория skills и ръководство за внедряване на MCP. На GTC 2026 NVIDIA заяви, че OSMO се интегрира с Claude Code, OpenAI Codex и Cursor, така че кодиращите агенти да могат да изпращат, наблюдават и отстраняват грешки в работни процеси.

Интерактивно обяснение: Вижте как OSMO насочва един работен процес през 3 изчислителни нива

Натиснете Стартирай работния процес, за да видите как OSMO планира задачите от примера в README една по една. Кликнете върху произволно ниво или номер на стъпка, за да видите какво се случва там.

Основни изводи

OSMO оркестрира задачи за обучение, симулация и HIL на периферни устройства от един YAML файл в разнородни Kubernetes клъстери
Apache-2.0, Helm диаграми в NGC, последна версия 6.3.1 (юни 2026 г.), наличен е локален бърз старт с KIND
KAI Scheduler по подразбиране, разполагане с отчитане на NVLink, времеви ограничения за всяка група, вградени RBAC и OAuth2
Тествано в реални условия с GR00T, Isaac Lab, Isaac Sim и Isaac ROS; налични са интеграции с Azure и Nebius
CLI интерфейсът за набори от данни е обявен за остарял във версия 6.3 и е премахнат във версия 6.4; планирайте съответните миграции

Разгледайте GitHub, документацията, изданията, готварската книга и страницата на NVIDIA OSMO. Всички заслуги са на изследователя на този проект. Също така можете да ни последвате в Twitter и не забравяйте да се присъедините към нашия 150k+ ML SubReddit и да се абонирате за нашия бюлетин. Чакайте! В Telegram ли сте? Вече можете да се присъедините към нас и в Telegram.

Имате нужда от партньорство с нас за популяризиране на вашето GitHub хранилище ИЛИ страница в Hugging Face ИЛИ издание на продукт ИЛИ уебинар и т.н.? Свържете се с нас

Преведено автоматично от английски. Оригиналната статия е на връзката по-долу.