NVIDIA maakt OSMO open source voor fysieke AI

OSMO, NVIDIA’s orkestrator voor fysieke AI, is open source en brengt training, simulatie en hardwaretests samen in één YAML-gedefinieerde workflow, meldt het bedrijf.

Voor een Nederlandse machinebouwer, robotleverancier of innovatieafdeling verandert daarmee vooral de infrastructuur rond het experiment. Data genereren, trainen, simuleren en testen kunnen als één keten worden beschreven, in plaats van als losse projecten met eigen scripts, planningen en rekenomgevingen. OSMO vervangt de simulator of het trainingsframework niet, maar stuurt de onderdelen ertussen aan.

Eén YAML-bestand, meerdere rekenomgevingen

De kern van OSMO is een beschrijfbare pijplijn. De officiële voorbeeldworkflow beschrijft in één YAML-bestand een simulatie op RTX PRO 6000, een PyTorch-training op GB200 met acht GPU’s en een evaluatie op Jetson AGX Thor. De uitvoer van de simulatie gaat als invoer naar de training en de getrainde policy gaat daarna door naar de hardwaretest.

OSMO regelt de afhankelijkheden, bewaart resultaten en plant taken over verschillende Kubernetes-clusters. Een workflow kan daardoor verwijzen naar een platform, niet naar één specifieke machine. NVIDIA positioneert de software voor cloud, eigen infrastructuur, edgehardware en gemengde omgevingen. De repository staat onder de Apache-licentie 2.0, met de licentietekst openbaar beschikbaar.

Dat is vooral relevant voor organisaties die fysieke AI niet op één plek ontwikkelen. Een simulatie kan veel GPU-capaciteit vragen, terwijl een hardware-in-the-looptest op locatie gebeurt. Als de verbinding tussen die fasen in scripts en handmatige overdrachten zit, wordt iedere nieuwe trainingsrun ook een beheerklus. In OSMO staat die verbinding als workflow beschreven en is de voortgang te volgen vanuit de command line.

De coding agent krijgt zicht op de pijplijn

NVIDIA levert OSMO als command-lineprogramma met contextbestanden voor coding agents. Zo’n agent kan lopende workflows opvragen, beschikbare GPU-capaciteit inspecteren en de uitvoering volgen. Dat maakt de bediening toegankelijker, maar het neemt de eisen aan goede data, testdekking en toegangsbeheer niet weg.

NVIDIA zegt dat OSMO oorspronkelijk is gebouwd voor eigen fysieke-AI-projecten, waaronder Project GR00T, Isaac Lab en Isaac Sim. Volgens de projectbeschrijving orkestreert het dagelijks duizenden GPU-uren over rekenomgevingen van cloud tot edge. Dat is een leveranciersclaim, geen onafhankelijke benchmark, maar het maakt duidelijk dat de doelgroep uit meer bestaat dan een losse robotdemo.

Open source is geen productierobot

De grens is belangrijk. OSMO bereidt policies, datasets en andere artefacten voor, maar zet een model niet rechtstreeks in een productierobot. Teams blijven zelf verantwoordelijk voor de robotsoftware, simulator, trainingscode en runtime die het eindresultaat gebruiken.

Ook de lokale startoptie is geen productieomgeving. De NVIDIA-documentatie noemt de Quickstart geschikt om workflows op een workstation te evalueren zonder cloudkosten, maar waarschuwt dat authenticatie ontbreekt en de opstelling daarom niet voor productie is bedoeld. Dezelfde workflows kunnen volgens de documentatie zonder codewijzigingen naar honderden GPU’s in de cloud opschalen.

Voor een Nederlands bedrijf zit de verandering dus niet in het verdwijnen van infrastructuurwerk. De verschuiving zit in het vastleggen ervan als software: met herhaalbare afhankelijkheden, zicht op data en een route van simulatie naar hardwaretest. Daarmee wordt fysieke AI beter overdraagbaar tussen een onderzoeksteam, een fabriek en een cloudomgeving.

De openstelling van OSMO maakt de workflow zelf tot een onderdeel dat organisaties kunnen inspecteren en aanpassen. Voor robotica en maakindustrie is dat de relevante drempel: niet meteen meer robots aanschaffen, maar experimenten zo organiseren dat een volgende test dezelfde keten opnieuw kan doorlopen.