物理AI技能库 让智能体驱动物理世界仿真与推理

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。

该技能用于在Kubernetes上运行PAIDF（物理AI数据工厂）图像属性增强DAG，执行人员裁剪的服装/属性增强、事件与人员属性搜索、增强数据集生成和结果检索。需要提供输入S3路径、输出目录与服务模式（外部/内部），并进行Airflow预检、运行监控和结果下载。关键词：图像属性增强、人员重识别、服装裁剪、Cosmos图像编辑、PAIDF编排、Airflow DAG、Kubernetes、物理AI数据工厂。

该技能用于构建、部署、评估、调试和测量DeepStream SOP推理微服务——这是一个GPU加速的FastAPI服务，利用事件边界检测(GEBD)和视觉语言模型(VLM)来检测工业装配线操作员是否按标准操作流程(SOP)执行步骤，包括验证步骤顺序、检测缺失或乱序步骤、对工厂/工作单元视频进行合规性评分。支持文件、RTSP、Basler相机输入，提供SSE流式、Kafka输出、Prometheus指标、Docker部署、TensorRT优化、Chunk级延迟测量等功能。关键词：DeepStream, SOP, VLM, GEBD, DDM, Triton, FastAPI, 视频分析, 工业合规, 动作检测, 边界事件检测, vLLM, Cosmos Reason, Docker, Kafka, RTSP, 相机, GPU加速, 微服务。

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。

该技能用于对Cosmos3-Nano视频问答模型进行监督微调（SFT），支持视频QA、SFT/LoRA、FSDP并行和AutoML；也涵盖评估、推理和量化。关键词：Cosmos-RL、Cosmos3-Nano、视频问答、SFT、LoRA、FSDP、AutoML。

该技能用于驱动PAIDF（物理AI数据工厂）增强管线，包括通过NVIDIA Cosmos系列模型进行视频传输/预测、图像编辑、图像到视频生成，以及配置字幕生成和质量评估。支持BYOM（自带模型）方式，通过远程HTTP端点调用模型，并辅助编写、验证和运行增强配置。关键词：PAIDF、数据增强、Cosmos Transfer、Cosmos Predict、图像编辑、图像到视频、字幕生成、评估器、YAML配置、物理AI、视频合成、图像生成。

本技能用于Cosmos-Embed1视频-文本嵌入模型的微调、推理、评估与导出，支持文本到视频检索、视频到视频搜索、零样本分类和语义去重，并提供LoRA参数高效微调。通过Docker容器运行，包含训练、评估、推理、导出等命令行操作。关键词：Cosmos-Embed、视频嵌入、文本检索、视频检索、微调、LoRA、多模态、TAO。

本技能用于部署、操作和集成VSS视频嵌入(RT-Embed)微服务；涵盖Docker Compose启动、GPU/存储前置检查、/v1 REST API生成文本和视频嵌入、RTSP实时流处理、Redis/Kafka/OpenTelemetry集成、故障排查与拆除。关键词：VSS， 视频嵌入， RT-Embed， Cosmos-Embed1-448p， RTSP， Docker， GPU， 部署运维， 视频搜索

该技能用于对已归档的视频（视频文件或RTSP流）执行顶层的 NVIDIANS VSS 融合搜索：先经由 agent 后端摄取视频源，将视频上传/流注册与 RTVI-CV 属性检测、RTVI-Embed 向量嵌入串联为单一事务，并将嵌入存入 Elasticsearch；随后将用户的自然语言查询（如物体、动作、时间上下文）经搜索工具分解器生成结构化检索，按嵌入相似度/属性/融合方式返回带时间戳的视频片段、截图与相似度分数。同时支持列出、删除已摄取源，以及多源范围过滤、top_k、相似度阈值、critic 验证等调优。 关键词：VSS 技能、视频搜索、视频问答、自然语言搜索、视频档案、视频索引、RTSP 流摄取、视频上传嵌入、Elasticsearch 视频检索、Cosmos Embed1、RTVI-CV、RTVI-Embed、融合搜索、属性过滤、视频片段定位、安全监控视频检索、智能视频分析、NVIDIA Blueprint。