NVIDIA 介绍 cuOpt 的多 GPU 线性规划求解器 mPDLP：把大型问题分配到通过 NVLink 连接的 GPU，减少通信和负载不均衡带来的开销。原文包含 Kinaxis 的供给与生产计划、PSR 的能源规划案例，适合关注大规模约束优化的生产团队。文中的求解速度和显存效果来自厂商及合作方测试，依赖具体问题与硬件，不能视为普遍收益或 FLABS 实测；这是一项决策优化工具，不能等同于生成式模型。 此文按2026年10月7日的原始发布日期收录，属于历史官方资料，不是今天发布的新功能。
推荐理由：补充供应链与生产计划工具资料，区分决策优化、生成式模型及性能测试出处。
NVIDIA 于9月22日发布 ROS 2 节点迁移教程，以 Depth Anything 3 TensorRT 节点为例，让编程 Agent 使用 migrate-node-to-rosidl-buffer 技能审计分配、序列化、流和数据生命周期，在保留标准 ROS 消息与节点接口的情况下采用 CUDA buffer backend。GPU 零拷贝路径需要同一主机、CUDA 设备、Linux 用户及受支持的 RMW；条件不满足时可回退 CPU 路径。迁移后须分别验证语义、后端协商、跨进程传输和真实拷贝行为。本文为官方机器人开发教程，FLABS 未在 Jetson、机器人或生产单元上运行，不能据此推断整条流水线提速。
推荐理由：补充机器人生产配套的可执行开发流程与环境条件，区别内核加速、节点传输和实际流水线性能。
NVIDIA 官方教程展示从 Blender 场景到 Isaac Sim / Isaac Lab 的准备流程：用 Agent 检查场景，补充语义标签、材质和传感器，配置碰撞与物理属性，再通过渲染预检和 SimReady 验证交接 OpenUSD 资产。安全的机械性问题可以自动修复；对象含义、物理行为等不明确的判断需要人工确认。适用于三维资产与机器人仿真内容准备；这是厂商示例，FLABS 未执行该工作流。
推荐理由：给出三维资产到仿真交接的具体步骤、工具与验证条件，覆盖设计及生产数据准备。
NVIDIA 官方教程展示车型适配流程：用已有行驶记录重建三维场景，按目标摄像头布局渲染，再用 Harmonizer 整理画面并准备感知训练数据。NuRec Skill 可协助数据获取、渲染与后处理；画面修复不能补救错误校准或未覆盖场景，合成数据也不能替代实车数据验证。数据集、模型和容器需要相应 NVIDIA NGC / Hugging Face 账户及许可；FLABS 未运行该工作流，不把厂商效果视为本站实测。
推荐理由：提供汽车产品开发中的三维重建与仿真数据准备步骤，并明确校准、真实验证和许可边界。
NVIDIA 以 Spot 四足机器人为参考，展示 COMPASS 工作流：准备仓库或 SAGE-10K 场景，运行单环境检查，再进行残差强化学习训练和检查点评估。Agent 协助开发准备与故障诊断，实际导航由训练后的策略和控制器执行。示例栈为 Isaac Lab 3.0 与 Isaac Sim 6.0，要求 Ubuntu、支持 RTX 的 NVIDIA GPU及至少 16GB 显存；场景接受和检查点晋级设有人审核。FLABS 未训练或部署该示例。
推荐理由：连接仿真资产、训练与交付验收，提供机器人生产自动化开发的可复用流程和明确适用条件。
Autodesk 在八月发布的 AU 2026 导览列出 AI 场地规划、设计迭代、碳分析及设计到制造等课程方向，涉及 Forma、Revit、KOPE 与 Informed Design。原文是九月十五至十七日会议的会前清单，此处按历史学习资源收录。课程议题不证明全部功能已经交付，也不能替代产品版本与许可核实；回放可用性尚未核查，FLABS 未参加课程或实测这些工作流。
推荐理由：通过官方课程清单定位建筑设计与生产协作的学习方向，并注明历史时点与未核实事项。
NVIDIA 介绍用 DROID 示范数据后训练 Cosmos 3 Edge 动作策略，再在 Jetson Thor 上运行策略服务，并先在 RoboLab 闭环仿真中评估。教程区分训练与机载推理：公布的训练方案使用多节点 GB200 级算力，不能把机器人端运行条件当成单 GPU 训练门槛；不同机器人还需调整动作空间、相机和状态配置。文中效果来自厂商示例，权重、框架和数据应分别核对许可与访问条件；FLABS 未训练、部署或实测。
推荐理由：覆盖机器人生产自动化开发的训练、端侧部署与仿真评估链路，避免混淆训练和推理资源。
NVIDIA 于8月18日介绍编程 Agent 与 ALCHEMI Toolkit 的材料仿真工作流，涵盖硅的状态方程、铜表面氧吸附和液态锂自扩散。示例固定 Toolkit 0.2.0 与同版本技能，建议在可运行的 Python 环境中让 Agent 执行生成代码，并明确材料、相态、规模、参照约定与模拟系综。其45条流水线和 H200 运行结果均为厂商报告，非 FLABS 实测；代码可运行不等于物理结论有效，须检验前提、参照结果与不确定性。适用于材料工程与仿真准备，不能替代实验、工艺验证或量产质量判定。
推荐理由：补齐材料工程中的设计与生产配套工具流程，区分代码成功、厂商基准与物理有效性。
NVIDIA 官方教程展示 Alpamayo 2 Super 在自动驾驶研发中的四类用法：生成轨迹与因果推理说明、预测高层动作、回答多相机场景问题，以及生成带二维定位的自动标注。示例使用模型权重和推理笔记本，并讨论开环与闭环评估；权重、代码和示范数据需要分别核对许可及访问条件。厂商示例不能替代真实系统验证，FLABS 未运行模型、训练或验证部署安全。
推荐理由：把多相机推理与自动标注落实到车辆产品开发任务，同时保留评估和许可边界。