NVIDIA 详解利用前沿 AI 模型构建机器人 SimReady 资产的 5 个步骤
NVIDIA 提出利用 Omniverse 库与智能体 NVIDIA skills 将 CAD 资产转换为机器人仿真资产的结构化工作流。该流程基于 SimReady Foundation 规范指导，不仅将几何体转换为 OpenUSD，还支持在测试机器人行为前配置并验证材质、碰撞几何体、关节及其他物理属性。
#教程/实践
NVIDIA Developer · 仿真与工程研究 NVIDIA Developer · 仿真与工程研究 构建可靠的数据分析智能体：NVIDIA 的 KDD Cup 经验总结
NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛中获得第二名，其系统围绕让智能体的 harness 更小、更清晰且更易验证的核心思路构建。该竞赛要求智能体针对异构数据源回答自然语言问题，覆盖数据库、CSV 与 JSON 文件、散文文档、PDF 以及简报视频。
Torc Robotics 构建 Torc 无人驾驶安全论证
Torc 无人驾驶安全论证的核心，是以结构化、基于证据的论证证明系统在预定用途和运行环境中的安全性，而非仅编写文档。随着自主系统日益复杂、物理 AI 更加普遍，工程团队不仅要回答能否构建系统，还要证明其安全。
AWS Internet of Things Blog精选 如何用 AWS IoT Core 与 Amazon Location Service 实时追踪车队
AWS 给出面向 20–200 辆车、以 GPS 追踪为主的轻量无服务器架构，使用 AWS IoT Core 与 Amazon Location Service 支持实时位置展示和围栏事件。
业务关注点：按上报频率和围栏调用范围拆解成本，为小车队提供可迁移的优化方法，但费用来自示例配置，并非现场运行实测。
新战略移动机器人｜AGV/AMR产业联盟 人形机器人开发中CAD到仿真的断点与URDF原生导出方案
人形机器人开发常受制于CAD机械设计无法原生导出、导致仿真和控制需手动重建模型的断点。通过在CAD中原生支持URDF导出，团队可自动计算质心、转动惯量及父子关系，并将包含驱动特性的模型直接导入Isaac Sim等仿真平台。该流程保证了单一数据源与仿真保真度，使大部分运动调试能在虚拟空间完成，从而减少物理样机制作并降低研发成本。
AWS Internet of Things Blog 如何用 AWS IoT Greengrass 部署 MCP 服务器开展边缘网络诊断
AWS 介绍将 MCP 服务器封装为 AWS IoT Greengrass 组件的架构，让本地智能体在断云期间执行网络诊断流程。方案由 MCP 服务器、本地模型和 Strands Agents 编排组件组成，调用 SSH、SNMP、REST 等工具检查网络设备，并在连接恢复后同步缓存结果。系统提供诊断与处置建议，最终处置决定仍由人工掌握；本文提供架构概览，具体部署和工作流实现将在后续文章展开。
AWS Internet of Things Blog精选 如何用 AWS IoT Greengrass Component SDK for Rust 构建边缘 AI 智能体
AWS 给出使用 AWS IoT Greengrass Component SDK for Rust 构建边缘 AI 智能体的教程，以 ONNX 在工业网关本地分类传感器异常，将复杂情况交给 Amazon Bedrock AgentCore 分析。
业务关注点：本地分类、有限离线队列与云端推理的分工提供了可迁移的设计方法，同时明确队列溢出会丢弃旧消息，物理操作仍需人工确认。