本技能面向工业自动光学检测(AOI)场景，利用NVIDIA Cosmos AnomalyGen(Cosmos-Predict2微调模型)在OSMO上构建缺陷图像生成流水线。覆盖PCBA、金属表面、玻璃三种检测对象，支持Day0合成(USD转ROI、图像编辑增强、AnomalyGen生成)和Day1真实图像推理与标注(real-photo alignment/manual ROI)，以及模型微调。关键词：缺陷图像生成、AOI、AnomalyGen、Cosmos-Predict2、PCBA、金属表面缺陷、玻璃缺陷、usd2roi、Day0、Day1、图像编辑、微调、OSMO。

指导用户通过 uv 或 pip 安装 NVIDIA Earth2Studio 及可选模型扩展，并完成环境变量配置与安装验证。关键词：Earth2Studio、气候预测、地球科学模型、安装指南、uv、pip、模型依赖、环境配置、NVIDIA

本技能介绍数值优化（LP、MILP、QP）的概念与建模工作流。涵盖从问题文本中识别参数、约束、决策和目标，判断优化类型，解析隐含目标和约束，并掌握常见建模模式（分段线性目标、下料问题、目标规划、多周期库存、混合中间处理等），帮助用户将实际问题转化为标准优化公式。关键词：线性规划、混合整数规划、二次规划、优化建模、数值优化、LP、MILP、QP、目标规划、下料问题、库存优化、cuOpt。

PAIDF AnomalyGen 是一个完整的异常图像合成流水线技能，用于生成合成异常/缺陷图像，以增强工业缺陷检测模型。它支持在新的异常数据集上微调扩散模型，利用 SDG（合成数据生成）生成带有缺陷的样本，通过 nn_score 评估生成质量，并通过逐样本搜索 guidance 和 crop_ratio 参数优化输出。该技能提供 full、finetune_only、inference_only 三种模式，适用于数据稀缺的工业视觉缺陷检测场景。关键词：异常图像生成、合成数据生成、工业缺陷检测、微调、扩散模型、数据增强、SDG、AnomalyGen。

该技能用于编排从CAD/源资产到SimReady USD资产或可交付包的端到端工作流，涵盖格式转换、材质/物理分配、SimReady一致性校正、多层验证、渲染预览和打包。关键词：CAD、SimReady、USD、格式转换、材质分配、物理属性、Content Agents、preflight、资产验证、渲染、打包、工作流编排。

本技能用于 NVIDIA Omniverse 中 USD（通用场景描述）场景的性能诊断与优化。它可处理加载缓慢、内存占用高、低帧率、GPU 丢失、验证失败及 CAD 转换质量等常见问题。通过阶段化的结构评估、验证、场景重组与安全修复操作，结合基线/优化后性能对比，为用户生成优化的 USD 输出和标准化报告，适用于数字孪生、仿真与物理 AI 场景的深化工作。关键词：Omniverse、USD、性能调优、场景优化、加载性能、内存优化、FPS、CAD 转换、验证、数字孪生、物理AI、仿真平台。

本技能用于驱动 NVIDIA TAO VisualChangeNet/ChangeNet PCB 自动光学检测模型的端到端迭代改进循环，包括基线评估、根因分析、合成缺陷生成、k-NN数据挖掘、重训练与部署门控，直至达到 FAR/召回率 KPI 目标。关键词：TAO、VisualChangeNet、ChangeNet、AOI、缺陷检测、DEFT、RCA、合成缺陷、k-NN挖掘、FAR、召回率、模型微调、PCB。

该技能用于在Kubernetes上运行PAIDF编排的事件视频生成DAG，实现从种子图像到异常视频的生成、自动标注和异常数据集构建。支持人员跌倒、攀爬、奔跑、打斗、吸烟/电子烟、火/烟、入店行窃等事件，适用于安全监控和物理AI数据合成。主要步骤包括输入准备、Cosmos3图像到视频增强、检测跟踪、字幕生成、视觉QA、属性搜索，并输出标注数据集。关键词：物理AI、事件视频生成、图像到视频、Cosmos3、异常检测、数据合成、自动标注、Kubernetes、安全监控。

该技能用于搭建、验证、扩展和恢复 NVIDIA 物理 AI 基础设施，覆盖本地 MicroK8s 或 Azure AKS 上的 Kubernetes 集群、推理端点、OSMO 编排部署与工作负载提交，适用于视频数据增强等合成数据生成（SDG）工作流。关键词：物理AI基础设施、弹性扩展、SDG基础设施、MicroK8s、Azure AKS、Kubernetes、NIM Operator、NVCF、OSMO部署、NVIDIA Physical AI、工作流提交、基础设施验证、故障恢复

该技能用于训练、评估、导出和运行 Visual ChangeNet（视觉变化网络）模型，支持 PCB/AOI 缺陷检测中的二值图像分类（PASS/NO_PASS）与变化分割任务。通过 Siamese 架构和预训练 C-RADIO/NVDINOv2 backbone，实现图像对比较与缺陷检测。关键词：Visual ChangeNet、AOI缺陷检测、PCB检测、二值分类、变化分割、TAO Toolkit、模型训练。

该技能用于在 Earth2Studio 中创建预测（时间步进）模型包装器，连接第三方机器学习天气模型，涵盖坐标处理、模型加载、测试、文档、验证与 PR 流程。关键词：Earth2Studio、气候预测、天气模型、prognostic model、PyTorch、时间积分、AI 气象预测。

cuOpt安装指南。提供针对NVIDIA cuOpt的Python、C、REST服务器安装与部署的详细步骤，包括pip/conda/Docker方式、CUDA版本匹配、验证方法及故障排查。关键词：cuopt、安装、部署、Python、C API、REST服务器、Docker、CUDA、组合优化。