En este tutorial, aprenderás a configurar y utilizar las herramientas y habilidades de agentes de IA física de NVIDIA para la generación de imágenes de defectos y crear imágenes sintéticas de anomalías para pipelines de inspección visual. La habilidad de Generación de Imágenes de Defectos se ejecuta en un lanzable de NVIDIA Brev que ayuda a reducir meses de recolección y etiquetado manual de datos de defectos: describes el defecto que deseas en lenguaje natural y el agente genera imágenes de anomalías etiquetadas listas para entrenar tu modelo de inspección. Al final del tutorial, tendrás la habilidad de Generación de Imágenes de Defectos en funcionamiento y podrás generar conjuntos de datos sintéticos de defectos para PCB, vidrio, metal y tus propios casos de uso personalizados.
Comienza con la habilidad de Generación de Imágenes de Defectos:
Capítulos:
00:00 Introducción — Navega a brev.nvidia.com/physical-ai
00:15 Habilidad de Generación de Imágenes de Defectos — visión general de la arquitectura
00:35 Selecciona y configura el lanzable de Generación de Imágenes de Defectos
01:05 Configura las credenciales (clave API de NVIDIA + token de Hugging Face)
01:35 Abre OpenClaw y envía el mensaje de configuración
02:00 El agente informa credenciales bloqueadas — proporciona claves NGC y HF
02:20 Nueva sesión — envía el mensaje de generación de defectos de puente PCBA
02:40 El agente envía el flujo de trabajo a OSMO e informa el estado del pipeline
03:00 Pregunta al agente por una actualización de estado
03:10 Ver salida — imagen de entrada, máscara y defecto reconstruido
#NVIDIAAgentSkills #PhysicalAI #SyntheticData
Habilidades de Agentes NVIDIA, generación de datos sintéticos, detección de defectos, inspección visual, IA Física, Lanzable de NVIDIA
P: ¿Qué es la habilidad de Generación de Imágenes de Defectos de NVIDIA?
R: Es un flujo de trabajo lanzable que utiliza un agente de generación de datos sintéticos para crear imágenes de anomalías etiquetadas para modelos de inspección visual. Describes el defecto que deseas en lenguaje natural y el agente ejecuta automáticamente los scripts y modelos requeridos, convirtiendo meses de recolección de datos en unas pocas horas de computación.
P: ¿Qué tipos de defectos son compatibles de forma predeterminada?
R: El lanzable incluye modelos preentrenados y datos para defectos de PCB, vidrio y metal. También puedes extenderlo a tipos de defectos personalizados para tu propio modelo de inspección.
P: ¿Qué clave API necesito para comenzar?
R: Puedes usar una clave API de build.nvidia.com, OpenAI o Anthropic. También necesitarás una clave API de Hugging Face y una clave API de NGC para que el agente pueda obtener los modelos y conjuntos de datos requeridos.
P: ¿Cuánto tiempo se tarda en generar imágenes de defectos?
R: El tiempo de generación depende del número de imágenes y de tu configuración de GPU. En este recorrido, una sola imagen de defecto se generó en aproximadamente 10 minutos. También se admite la generación por lotes a gran escala.
P: ¿Qué es OSMO y por qué aparece en el flujo de trabajo?
R: OSMO es la herramienta de orquestación en el backend que utiliza el agente para gestionar y ejecutar tareas. Muestra un historial de todas tus solicitudes de generación, actualizaciones de estado en tiempo real y registros útiles para depuración; puedes consultarlo en cualquier momento durante una ejecución de generación.