先看证据
从外观完整到仿真可用，中间还差一层
NVIDIA 在 Hugging Face 发布了 SimReady Central Library，这是一个面向机器人仿真和 AI 工厂数字孪生的 OpenUSD 资产库。公告称，库中汇集了 2,000 多件免费、无需门槛即可访问的仿真就绪资产，覆盖机械臂、夹爪、仓储设备、机架和冷却基础设施等对象。它针对的不是“缺少 3D 模型”，而是模型进入仿真前往往还缺少可供物理引擎和应用理解的信息。
CAD 模型可以准确表达设备外形，却未必说明物体如何发生碰撞、具有多大质量、表面摩擦如何，或关节能运动到什么范围。AI 工厂场景还可能需要设备的电气、热学等应用数据。开发团队若逐件补齐这些信息，资产整理就会成为搭建场景之前的一项重复工程；模型看起来完整，不等于它能直接支持训练、评估或布局分析。
Profile 把用途变成可检查的资产要求
SimReady 的关键不只是采用 OpenUSD，而是用 SimReady Foundation 的规范、profiles 和验证工具说明资产应具备哪些能力。Profile 按用途组织要求：某类任务可能需要碰撞与物理属性，另一类还可能要求对象识别、合成数据标注或传感器相关信息。具体需要什么，取决于资产类型和所选 profile，而不是所有模型都套用同一张清单。
这让资产库有机会从“存放文件的地方”变成一种可检查的供给层。开发者先按工作流选 profile，再挑选满足相应要求的资产并组合成 OpenUSD 场景；OEM 则可以把 CAD 等模型整理成 SimReady 资产，并按相关要求准备和验证。其价值在于把“这个模型能不能用于某项仿真”从口头判断推进到明确的能力描述，但规范本身并不意味着任意资产在任意仿真环境中都能即插即用。
两千多件资产，重要的是如何找到并组合
公告列出的参与方包括机器人厂商 Comau、FANUC、Franka Robotics、Robotiq、Standard Bots 和 Universal Robots，也包括 AI 工厂设备供应商 Vertiv，以及仿真资产提供方 Palatial 等。这个组合让库不只是单一设备厂商的目录：开发者有机会把不同供应商的机械臂、夹爪和工厂设备放进同一个场景。对 OEM 来说，Hugging Face 还提供了让开发者发现其资产的分发入口，厂商可以管理自己的数据集。
规模数字能说明供给已经开始聚集，但不能代替对资产质量和适用范围的判断。公告说的是“2,000 多件”；检索时，Hugging Face 数据集页面显示 2,575 件资产，同时列出 222 行和 472 GB。这些是页面当时展示的不同统计项，不应把它们误读成同一种计数，也不能据此断定每件资产都满足某个团队的工作流。真正实用的检索仍要看资产支持哪些能力、对应哪个 profile，以及所用运行时是否兼容。
自然语言搭景能省前期工作，不能替工程签字
NVIDIA 展示的流程把搜索和搭场景也纳入资产库的使用方式：开发者可以用自然语言寻找机械臂、兼容夹爪和仓库设备，再由 AI 辅助生成 Isaac Sim 场景脚本并预览。另一个示例面向 AI 工厂布局，尝试排布机架与冷却设备，并检查重叠和通道间距。两类任务共同指向一个实际摩擦点：找到合适资产之后，开发者还要把它们组织成可用的场景。
但这些演示展示的是工作流，不是工程验证已经自动完成。对于工厂数字孪生，相关说明仍要求核对尺寸、设备属性和连接数据，并由工程人员审阅；资产是否支持某个 profile，也不能代替对实际布局的检查。AI 能减少检索、脚本编写和初步排布的工作量，却不会自动承担物理约束、设备接口或现场工程判断的责任。
把验收前移，仍要保留可复现与复核
对已有仿真管线的团队，较稳妥的做法不是把“SimReady”当作免检标签，而是把 profile 匹配和能力检查放到资产进入场景之前。团队可以固定所用资产组合，并在变更时重新检查场景是否仍满足任务要求；这样做有助于控制资产更新带来的不确定性，也让后续问题更容易定位。对 OEM 来说，准备并发布可发现的仿真资产，则可能让客户更早围绕设备开展模拟和方案比较。
边界也必须说清：OpenUSD 是场景表达与组合框架，不是所有仿真运行时共用的完整行为保证；SimReady profile 描述的是特定用途所需能力，也不等于真实环境已经验收。材料没有回答资产授权如何逐件核验、资产更新后如何保证旧场景复现，也没有给出各 profile 与运行时覆盖范围的完整对照。因此，现阶段应把 SimReady Central 看成降低资产准备与发现成本的起点，而不是可跳过工程审查的终点。