NVIDIA Omniverse帮助零售商改进产品制造和客户体验

    该公司的数字化零售模型能够将 3D 材质转化为逼真的数字资产，帮助设计师和零售商改进产品制造和客户体验。

    Mode Maison 公司联合创始人兼首席执行官 Steven Gay 从一次失败的家具购物之旅中获得了创业的灵感。

    Steven 在休斯顿长大，曾就读于得克萨斯大学，之后在纽约加入拉夫劳伦公司，成为该公司最年轻的概念设计师之一。有一次，他花了一整天时间挑选沙发，但最后以失败告终，这激发了他自己创业的灵感。

    这次经历使他发现奢侈家居用品行业在采用数字技术，尤其是为消费者创造身临其境的互动体验方面，一直十分落后。

    Steven 于 2018 年创立了 Mode Maison，希望能解决上述的难题，并为零售业的可扩展性、创造性以及生成式未来铺平道路。借助通用场景描述框架（OpenUSD）和 NVIDIA Omniverse 平台，Steven 与 Mode Maison 首席技术官 Jakub Cech 以及 Mode Maison 团队一起，帮助改进并数字化从设计、制造到消费者体验的整个产品生命周期流程。

    他们开发了一种名叫“全局材质外观捕捉”（Total Material Appearance Capture）的光度扫描系统。该系统利用现实世界中的嵌入式传感器，提供了一种无偏差、基于物理学的数字化材质的方法。

    TMAC 可捕捉任何材质的专有数据以及成分，然后将其转化为作为单一真实来源的输入，可用于创建完全数字化的零售模型。借助该系统以及 OpenUSD 和 NVIDIA Omniverse，Mode Maison 的客户可以为任何材质或产品创建高精确度的数字孪生。

    Steven 表示：“这让我们能够有效地简化并加快整个产品生命周期流程的完整集成，包括设计、生产、制造、消费者体验等。

▲ Mode Maison 开发了一种名叫“全局材质外观捕获（TMAC）”的光度扫描系统。

    利用数字孪生精简工作流并提高生产力

    Mode Maison 曾在创建基于物理学、高度灵活且可扩展的数字材质时，遇到了巨大的挑战，尤其是在渲染复杂的材质和纹理，或将数字模型集成到连贯的多层环境中时。

    Omniverse 通过提供先进的渲染功能、物理模拟和可扩展的 AI 训练，为数字零售带来了新的可能性，帮助 Steven 和他的团队克服了这些挑战。

    在使用 Omniverse 和 OpenUSD 之前，Mode Maison 所使用的数字材质捕捉、建模和渲染的流程相互脱节，经常导致不一致、无法扩展或是互操作性极低。在集成 Omniverse 后，团队获得了精简而连贯的工作流，能够以更高的效率和更高的互操作性创建高保真的数字孪生。

    团队主要使用 Autodesk 3ds Max 进行设计，并通过 Omniverse 连接器导入 3D 数据。Steven 表示，OpenUSD 在其工作流中越来越关键，尤其是在开发灵活的可组合、且可互操作的资产创建功能时。

    这一经过增强的管线先通过 TMAC 采集高保真材质数据，然后将数据处理并转换成 OpenUSD 格式，以创建基于物理学且科学准确的高保真数字孪生。

    Steven 表示：“在创建复杂、拥有多层功能且先进的数字材质方面，OpenUSD 带来了前所未有的协作性和互操作性。它能够无缝集成各种数字资产，并在各种应用中保持保真度，这对于创建逼真的零售业交互式数字孪生至关重要。”

    OpenUSD 和 Omniverse 加速了 Mode Maison 及其客户的产品推出，降低了构建和修改数字孪生的相关成本，并通过精简创建提高了生产力。

    Steven 表示：“我们的工作成果代表着向无缝集成数字和物理现实的未来更进一步。这个变化不仅提高了消费者的参与度，而且减少了对物理原型的需求，并实现更加精准的制造，从而为更加可持续的商业实践铺平了道路。”

    在谈到数字零售业新兴技术的发展时，Steven 表示，AI 将在创造超个性化设计、生产、采购和前端消费体验方面发挥核心作用，同时还将减少碳足迹，帮助实现一个更加可持续的未来零售业。

    加入创作者行列

    任何人都可以构建自己的 Omniverse 扩展程序或连接器来改进 3D 工作流和工具。

    点击“阅读原文”，了解更多关于 NVIDIA Omniverse 的信息并免费试用。

    与NVIDIA产品相关的图片或视频（完整或部分）的版权均归NVIDIA Corporation所有。