- 发布日期
一个 YAML 即可编排物理 AI 训练、仿真与机器人测试
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
英伟达已将 OSMO 开源；这是一个 Kubernetes 原生的工作流编排器，让机器人团队能够在一个 YAML 文件中描述完整的物理 AI 流水线——数据中心训练、GPU 仿真以及真机验证。OSMO 以 Apache-2.0 许可证发布，并在 NGC 上提供 Helm charts 和容器，旨在消除机器人开发者目前在三个彼此分离的计算层级上维护的一团乱麻般的胶水脚本。此次发布正值物理 AI 从研究演示迈向生产级机群之际。
该项目旨在解决英伟达所称的“三台计算机问题”。策略在 GB200 或 H100 集群上训练，在工作站级 RTX GPU 上用 Isaac Sim 测试，然后在安装在物理机器人内部的 Jetson 上运行。历史上，每个层级都有自己的集群、自己的调度器以及自己的交接脚本，而正是这些交接处最容易积累自定义工具。
该仓库的典型示例通过数据依赖把三个任务串联起来。一个 simulation 任务在 rtx-pro-6000 平台上运行 Isaac Sim 容器，train-policy 在 gb200 上以八块 GPU 运行 PyTorch 容器，evaluate-thor 在 jetson-agx-thor 上运行 ROS 应用。依赖来自 inputs，持久化来自 outputs，放置位置来自 platform——工作流从不指定具体集群。
相反，任务以 gb200 或 jetson-agx-thor 这样的平台为目标，OSMO 会把每个任务路由到提供该平台的已注册 Kubernetes 集群池。调度默认使用英伟达的 KAI Scheduler；6.2.8 版本为多 GPU 作业加入了 NVLink 拓扑感知放置，6.3.0 版本让 exec_timeout 和 queue_timeout 变为按组配置，因此一个卡住的仿真不再会杀死同组的训练任务。
部署被刻意设计得很灵活。OSMO 提供 Helm charts 和 NGC 容器，本地快速入门可使用 KIND 在单台工作站上运行完整控制平面。6.3.0 版本引入了多提供商 deploy-k8s.sh，可在 Azure AKS、AWS EKS、microk8s 或任何现有集群上部署该编排器，并为 MinIO、Azure Blob 和 Amazon S3 接好存储。
该项目还描述了内容可寻址数据集以及去重能力，并声称可将存储消耗削减 10 到 100 倍。对于交互式开发，用户可以在远程 GPU 节点上启动 VS Code、Jupyter 或 SSH 会话，exec 进入正在运行的任务，对服务进行端口转发，并在两个方向上 rsync 文件；6.3.0 还加入了带进度条的 rsync 下载。
实际影响落在当前需要把三套工具链拼接起来的机器人和自动驾驶团队身上。优先级、重试以及 Jinja 模板化的参数化工作流都是声明式的，而 HIGH、NORMAL 和 LOW 优先级配合抢占与 GPU 借用，让团队可以共享昂贵的资源池。没有专职基础设施工程师的初创公司将受益最大。
OSMO 契合了供应商开源编排层以赢得硬件和云采用的更广泛模式。它更多是在与自研的 Airflow 和 Kubeflow 流水线竞争，而不是与任何单一商业产品竞争，其成功将取决于社区贡献和集成。就目前而言，英伟达押注的是：对于物理 AI，一个 YAML 文件比三套脚本堆栈是更好的接口。
