Dans ce tutoriel, vous apprendrez à configurer et à utiliser les outils et compétences d'agent physique AI de NVIDIA pour la génération d'images de défauts afin de créer des images d'anomalies synthétiques pour les pipelines d'inspection visuelle. La compétence de génération d'images de défauts fonctionne dans un lancement NVIDIA Brev qui aide à réduire des mois de collecte et d'étiquetage de données de défauts manuels — vous décrivez le défaut que vous souhaitez en langage naturel et l'agent génère des images d'anomalies étiquetées prêtes à entraîner votre modèle d'inspection. À la fin du tutoriel, vous aurez la compétence de génération d'images de défauts en fonctionnement et serez en mesure de générer des ensembles de données de défauts synthétiques pour les PCB, le verre, le métal et vos propres cas d'utilisation personnalisés.
Commencez avec la compétence de génération d'images de défauts :
Chapitres :
00:00 Intro — Naviguez vers brev.nvidia.com/physical-ai
00:15 Compétence de génération d'images de défauts — aperçu de l'architecture
00:35 Sélectionnez et configurez le lancement de génération d'images de défauts
01:05 Configurez les identifiants (clé API NVIDIA + token Hugging Face)
01:35 Ouvrez OpenClaw et envoyez le prompt de configuration
02:00 L'agent signale des identifiants bloqués — fournissez les clés NGC et HF
02:20 Nouvelle session — envoyez le prompt de génération de défauts de pont PCBA
02:40 L'agent soumet le flux de travail à OSMO et signale l'état du pipeline
03:00 Demandez à l'agent une mise à jour de l'état
03:10 Voir la sortie — image d'entrée, masque et défaut reconstruit
#NVIDIAAgentSkills #PhysicalAI #SyntheticData
Compétences d'agent NVIDIA, génération de données synthétiques, détection de défauts, inspection visuelle, AI physique, lancement NVIDIA
Q : Qu'est-ce que la compétence de génération d'images de défauts NVIDIA ?
R : C'est un flux de travail lançable qui utilise un agent de génération de données synthétiques pour créer des images d'anomalies étiquetées pour les modèles d'inspection visuelle. Vous décrivez le défaut que vous souhaitez en langage naturel et l'agent exécute automatiquement les scripts et modèles requis, transformant des mois de collecte de données en quelques heures de calcul.
Q : Quels types de défauts sont pris en charge par défaut ?
R : Le lancement comprend des modèles pré-entraînés et des données pour les défauts de PCB, de verre et de métal. Vous pouvez également l'étendre à des types de défauts personnalisés pour votre propre modèle d'inspection.
Q : Quelle clé API dois-je utiliser pour commencer ?
R : Vous pouvez utiliser une clé API de build.nvidia.com, OpenAI ou Anthropic. Vous aurez également besoin d'une clé API Hugging Face et d'une clé API NGC afin que l'agent puisse récupérer les modèles et ensembles de données requis.
Q : Combien de temps faut-il pour générer des images de défauts ?
R : Le temps de génération dépend du nombre d'images et de votre configuration GPU. Dans ce guide, une seule image de défaut a été générée en environ 10 minutes. La génération par lots à grande échelle est également prise en charge.
Q : Qu'est-ce qu'OSMO et pourquoi apparaît-il dans le flux de travail ?
R : OSMO est l'outil d'orchestration backend que l'agent utilise pour gérer et exécuter des tâches. Il montre un historique de toutes vos demandes de génération, des mises à jour d'état en temps réel et des journaux utiles pour le débogage — vous pouvez le consulter à tout moment pendant une exécution de génération.