NVIDIA paplašina Cosmos platformu ar progresīvām rīkiem fizisko mākslīgā intelekta pasaules modeļu veidošanai un izvietošanai

Attēls: NVIDIA · Avots

NVIDIA ir uzlabojusi savu Cosmos platformu, ieviešot jaunus apmācības rīkus, simulācijas punktu pārbaudes un Cosmos Data Factory plānotājus, lai paātrinātu fizisko mākslīgā intelekta pasaules modeļu izstrādi, novērtēšanu un izvietošanu, kuri simulē reālās pasaules mijiedarbības vairākās nozarēs.

NVIDIA paziņojusi par būtiskām uzlabojumiem savā Cosmos platformā, kuru mērķis ir veicināt pasaules modeļu – sarežģītu mākslīgā intelekta sistēmu – radīšanu un izvietošanu, kas palīdz mašīnām uztvert, izprast un simulēt fizisko pasauli. Šīs spējas ir ļoti svarīgas lietojumos, piemēram, autonomajos transportlīdzekļos, robotikā un rūpnieciskajā inspekcijā.

Kosmos platformas pamatā ir sniegt pasaules modeļu izstrādātājiem modernākos atvērtos modeļus, plašus apmācības datus un visaptverošus optimizācijas un izvietošanas rīku komplektus. NVIDIA ziņo, ka Cosmos modeļi ierindojas starp pieciem labākajiem sešos dažādos atvērto modeļu reitingos, kas apliecina to konkurētspējīgo sniegumu.

Svarīga atjauninājuma daļa ir Cosmos Data Factory – mākoņdators dzimis plānotāju kolekcija, kas paredzēta lielu, marķētu, multisensoru datu kopu izveidei un papildināšanai, kas nepieciešamas fiziskā mākslīgā intelekta apmācībai. Šie plānotāji automatizē tādus uzdevumus kā datu marķēšana, kopšana, papildināšana un sintētisko datu radīšana dažādos scenārijos. Piemēram, specializētie plānotāji ļauj ģenerēt autonomo transportlīdzekļu datu kopas ar atlasītiem un sintētiskiem braukšanas datiem, radīt notikumu video reālu retu vai bīstamu notikumu simulācijai un ģenerēt defektu attēlus kvalitātes inspekcijas modeļiem. Atbalstot platformas, tostarp GitHub, Microsoft Azure, Nebius un CoreWeave, Cosmos Data Factory paātrina datu darbplūsmas, izmantojot aģentu prasmes un GPU paātrinājumu.

Automašīnu ražošanas uzņēmums Porsche izmanto Cosmos Data Factory caur Voxel51 uz Microsoft Azure, lai izveidotu kopīgu autonomo transportlīdzekļu (AV) datu ekosistēmu Volkswagen grupas zīmoliem. Šī iniciatīva paredz samazināt atkārtotas fiziskas testa braucienus līdz pat 90% un saīsināt izstrādes ciklus līdz pat 85%. Līdzīgi robotikas uzņēmums ANYbotics izmantoja Cosmos rīkus, lai ģenerētu vairāk nekā 1500 sintētisku video klipu, apmācot inspekcijas robotus, un datorredzes uzņēmums Ultralytics uzlaboja savu YOLO modeli defektu noteikšanai, izmantojot mērķtiecīgus sintētiskos defektus.

Papildus datu rīkiem NVIDIA ir paplašinājusi Cosmos Framework apmācības un izvietošanas iespējas. Izstrādātāji tagad var smalki noregulēt un optimizēt vadošos atvērtos modeļus, piemēram, GR00T, Alpamayo, QWEN un Pi0.5, ar tādām tehnikām kā pastiprinātā mācīšanās, destilācija un kvantizācija. Piemēram, robotikas pētniecības laboratorija MicroAGI pielāgoja Cosmos 3, lai specializētos egocentriskos manipulācijas uzdevumos, ievērojami samazinot modeļa lielumu, nezaudējot precizitāti.

Platforma ietver arī simulācijas uzlabojumus ar Cosmos 3 Nano modeļu variantiem, ļaujot izstrādātājiem pārbaudīt autonomās politikas sarežģītās, daudzskatu, multisensorās simulācijās pirms izvietošanas reālajā pasaulē. NVIDIA Cosmos 3 NIM mikroservisi nodrošina līdz pat divreiz ātrāku inferenci, saglabājot kvalitāti, atbalstot nepārtrauktu video analīzi ar sekundes daļas signāliem. Balstoties uz šīm tehnoloģijām, NVIDIA Metropolis Blueprint 3.3 piedāvā efektīvu video meklēšanas un kopsavilkuma iespējas, palīdzot komandām uzraudzīt ievērojami vairāk video straumju uz vienu GPU.

Ecosistēma atbalsta atvērtu un modulāru pieeju. Izstrādātāji var kopēt apmācību datu kopas ar Cosmos Data Factory, apmācīt un smalki noregulēt modeļus ar Cosmos Framework un izvietot tos mērogojamās mikroservisos. Šis integrētais darba plūsmas risinājums veicina efektīvas iterācijas un lielāku pārliecību AI sistēmu drošai un efektīvai darbībai fiziskā vidē.

Kopā ar partneriem, tostarp Microsoft Azure un Voxel51, NVIDIA uzsver savu apņemšanos atbalstīt inženiertehniski orientētu mākslīgā intelekta izstrādes procesu, koncentrējoties uz atkārtojamu validāciju un kontroli. Kā parāda Porsche modulārā datu turbīnas modeļa piemērs, šī sadarbības, bet OEM kontrolēta pieeja datu un modeļu pārvaldībā sagaidāma paātrināt autonomo transportlīdzekļu izstrādi un tālāku attīstību.

NVIDIA nepārtrauktās investīcijas Cosmos platformā atspoguļo fiziskā mākslīgā intelekta pieaugošo nozīmi reāllaika lietojumos, padarot izstrādātājiem vieglāku sarežģītu AI modeļu veidošanu, kas uztver un darbojas fiziskajā pasaulē ar uzlabotu uzticamību un efektivitāti.