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。

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

该技能是 NVIDIA 官方为 PhysicsNeMo 中的 ShardTensor 领域并行（domain parallelism）机制编写的开发指南。它指导开发者如何在新的或现有的训练/推理脚本中集成领域并行：使用 ShardTensor、scatter_tensor、DeviceMesh 与 DDP/FSDP2 混合并行，对序列/空间维度进行分片，从而让模型处理单 GPU 无法容纳的物理 AI 输入。技能还详解了如何为自定义层/算子注册分片补丁（shard patch），并提供了多 GPU 正确性测试方法、调试技巧和 torch.compile 注意事项。适用于物理仿真、天气预测、工业数字孪生等需要超大激活张量分片的高性能物理 AI 场景。

该技能详细说明如何通过 pip 在虚拟环境中安装 Holoscan SDK 的 Python wheel（holoscan-cu12 或 holoscan-cu13），包括环境前提条件检查、venv 创建与激活、安装、以及使用 hello_world 和 video_replayer 示例进行验证，同时涵盖常见故障排查和注意事项。关键词：Holoscan SDK, pip, wheel, CUDA, 虚拟环境, Python, 安装, NVIDIA, Holoscan 安装。