NVIDIA laajentaa Cosmos-alustaa edistyneillä työkaluilla fyysisten tekoälyn maailmanmallien rakentamiseen ja käyttöönottoon

Kuva: NVIDIA · Lähde

NVIDIA on parantanut Cosmos-alustaansa uusilla koulutustyökaluilla, simulointipisteillä ja Cosmos Data Factory -mallipohjilla nopeuttaakseen fyysisten tekoälyn maailmanmallien kehitystä, arviointia ja käyttöönottoa, jotka jäljittelevät todellisen maailman vuorovaikutuksia useilla toimialoilla.

NVIDIA on ilmoittanut merkittävistä parannuksista Cosmos-alustassaan, joiden tavoitteena on edistää maailmanmallien — monimutkaisten tekoälyjärjestelmien, jotka auttavat koneita havainnoimaan, ymmärtämään ja simuloimaan fyysistä maailmaa — luomista ja käyttöönottoa. Nämä kyvykkyydet ovat keskeisiä sovelluksissa kuten autonomiset ajoneuvot, robotiikka ja teollisuuden tarkastus.

Cosmos-alustan ytimessä on tarjota maailmanmallien kehittäjille huippuluokan avoimia malleja, laajoja koulutusdataa ja kattavat optimointi- ja käyttöönotto työkalupakit. NVIDIA raportoi, että Cosmos-mallit sijoittuvat kuudella eri avoimen mallin tulostaulukolla viiden parhaan joukkoon, mikä korostaa niiden kilpailukykyistä suorituskykyä.

Päivityksen keskeinen osa on Cosmos Data Factory, pilvipohjainen mallipohjien sarja, joka on suunniteltu rakentamaan ja rikastamaan suuria, merkittyjä moniaistisia datasettejä, jotka ovat välttämättömiä fyysisen tekoälyn koulutuksessa. Nämä mallipohjat automatisoivat tehtäviä kuten datan merkintä, kuratointi, augmentaatio ja synteettisen datan generointi erilaisissa skenaarioissa. Esimerkiksi erikoistuneet mallipohjat mahdollistavat autonomisten ajoneuvojen datasettien generoinnin kuratoidulla ja synteettisellä ajodatalla, tapahtumavideoiden luomisen harvinaisten tai vaarallisten tilanteiden simulointiin sekä vikakuvien tuottamisen laadunvalvontamalleille. Cosmos Data Factoryä tuetaan alustoilla kuten GitHub, Microsoft Azure, Nebius ja CoreWeave ja se nopeuttaa datatyönkulkuja agenttipohjaisten taitojen ja GPU-kiihdytyksen avulla.

Autoteollisuuden yritys Porsche hyödyntää Cosmos Data Factoryä Voxel51:n kautta Microsoft Azurella luodakseen yhteisen autonomisten ajoneuvojen (AV) dataekosysteemin Volkswagen-konsernin brändien kesken. Tämä hanke pyrkii vähentämään toistuvia fyysisiä koeajoja jopa 90 % ja lyhentämään kehityssyklejä jopa 85 %. Vastaavasti robotiikkayritys ANYbotics käytti Cosmos-työkaluja tuottaakseen yli 1500 synteettistä videoklippiä tarkastusrobottien koulutukseen ja konenäköyritys Ultralytics paransi YOLO-malliaan vikojen tunnistamiseen käyttämällä kohdennettuja synteettisiä vikoja.

Datatyökalujen lisäksi NVIDIA on laajentanut Cosmos-kehyksen koulutus- ja käyttöönotto-ominaisuuksia. Kehittäjät voivat nyt hienosäätää ja optimoida johtavia avoimia malleja kuten GR00T, Alpamayo, QWEN ja Pi0.5 vahvistusoppimisen, tislausmenetelmien ja kvantisoinnin avulla. Esimerkiksi robotiikan tutkimuslaboratorio MicroAGI mukautti Cosmos 3:n erikoistumaan egosentrisiin manipulointitehtäviin, mikä pienensi mallin kokoa merkittävästi säilyttäen tarkkuuden.

Alusta sisältää myös simulointiparannuksia Cosmos 3 Nano -mallivariantteineen, jotka mahdollistavat kehittäjille autonomisten politiikkojen testaamisen monimutkaisissa, moninäkymäisissä, moniaistisissa simulaatioissa ennen todellista käyttöönottoa. NVIDIAN Cosmos 3 NIM -mikropalvelut tarjoavat jopa kaksinkertaisen nopeuden päätöksenteossa laadusta tinkimättä ja tukevat jatkuvaa videon analysointia alle sekunnin varoituksilla. Näihin teknologioihin perustuen NVIDIA Metropolis Blueprint 3.3 tarjoaa tehokkaan videohakujen ja yhteenvetojen tuen, mikä auttaa tiimejä valvomaan merkittävästi enemmän videosuoria yhdellä GPU:lla.

Ekosysteemi tukee avointa ja modulaarista lähestymistapaa. Kehittäjät voivat kuratoida koulutusdatan Cosmos Data Factoryllä, kouluttaa ja hienosäätää malleja Cosmos Frameworkillä ja ottaa ne käyttöön skaalautuvien mikropalveluiden kautta. Tämä integroitu putki mahdollistaa tehokkaat iterointisyklit ja lisää luottamusta tekoälyjärjestelmien turvalliseen ja tehokkaaseen käyttöön fyysisissä ympäristöissä.

Yhdessä kumppaneiden kuten Microsoft Azure ja Voxel51 kanssa NVIDIA korostaa sitoutumistaan mahdollistaa insinööriosaamiseen perustuva tekoälyn kehitysprosessi, joka painottaa toistettavaa validointia ja kontrollia. kuten Porschen modulaarisen datakierteisen mallin esimerkki osoittaa, tämä yhteistyöhön perustuva, mutta OEM-ohjattu data- ja mallinhallintamalli odotetaan nopeuttavan autonomisten ajoneuvojen kehitystä ja muuta.

NVIDIAn jatkuvat investoinnit Cosmos-alustaan heijastavat fyysisen tekoälyn kasvavaa merkitystä todellisissa sovelluksissa ja tekevät kehittäjien työstä helpompaa luoda kehittyneitä tekoälymalleja, jotka havaitsevat ja toimivat fyysisessä maailmassa parannellulla luotettavuudella ja tehokkuudella.