学习数字孪生在现实场景中的实例，通过 OpenUSD、RTX™ 渲染和生成式 AI 等技术进行仿真、优化，并实现物理系统和环境的可视化。

了解 USD 图层堆栈在场景组合与非破坏性工作流中的作用，学习数据分离和资产重用如何加速 3D 工作流。

访问 OpenUSD 免费学习路径，学习在简单的数字孪生场景中使用 USD 的基本概念、术语和 Python 最佳实践。

使用 NVIDIA Omniverse 库和模板构建自定义应用。

Omniverse Extension 开发的基础知识，使用 Python 构建简单的交互式扩展应用

通过修改 USDA 文件控制 OpenUSD 场景，使用 Python 添加物理特性定制 USD Explorer 模板应用。

学习使用 NVIDIA Omniverse 库和微服务创建、部署和扩展 3D 数字孪生应用的动手实操指南。

使用 OpenUSD 和 Omniverse 库整合、组织并准备工厂资产与场景，创建模块化、具备仿真能力的制造业与物理 AI 数字孪生应用。

学习如何在复杂的 3D 场景中使用 USD 合成功能，如图层堆栈、引用、有效载荷和变体集。

探索 OpenUSD 中关键的资产结构概念，实现模块化 3D 场景的聚合、组织与扩展。

从现有 CAD 工具中提取、转换和验证 3D 数据，并转换为 OpenUSD 场景。

使用 NVIDIA API（如 USD Code）结合生成式 AI，实现合成数据工作流的自动化与增强。

在本结构化学习路径中，学习如何使用 Isaac Sim™ 和数字孪生来仿真、训练和测试机器人，以执行制造和工业任务。

使用 Cosmos™ 世界基础模型 (WFM) 进行实验，生成和筛选物理精确的合成数据，训练物理 AI 系统。