NVIDIA Rozszerza Platformę Cosmos o Zaawansowane Narzędzia do Tworzenia i Wdrażania Fizycznych Modeli Świata AI

Image: NVIDIA · Source

NVIDIA wzbogaciła platformę Cosmos o nowe narzędzia treningowe, punkty kontrolne symulacji oraz plany Cosmos Data Factory, aby przyspieszyć rozwój, ocenę i wdrażanie fizycznych modeli świata AI, które symulują interakcje rzeczywiste w różnych branżach.

NVIDIA ogłosiła znaczące ulepszenia swojej platformy Cosmos, mające na celu rozwój i wdrażanie modeli świata — złożonych systemów AI, które pomagają maszynom postrzegać, rozumieć i symulować świat fizyczny. Te możliwości są kluczowe dla zastosowań takich jak pojazdy autonomiczne, robotyka oraz kontrola przemysłowa.

Na jej fundamentach platforma Cosmos dostarcza twórcom modeli świata nowoczesne, otwarte modele, obszerną bazę danych treningowych oraz kompletne narzędzia do optymalizacji i wdrażania. NVIDIA informuje, że modele Cosmos znajdują się w pierwszej piątce na sześciu różnych listach rankingowych otwartych modeli, co potwierdza ich wysoką wydajność.

Kluczowym elementem aktualizacji jest Cosmos Data Factory, zestaw szablonów natywnych dla chmury, które umożliwiają tworzenie i wzbogacanie dużych, oznaczonych multisensorycznych zbiorów danych niezbędnych do treningu fizycznej AI. Szablony automatyzują zadania takie jak etykietowanie danych, selekcję, rozszerzenia oraz generowanie danych syntetycznych w różnych scenariuszach. Na przykład, specjalistyczne szablony pozwalają na tworzenie zestawów danych do pojazdów autonomicznych z danymi zarówno kuratorowanymi, jak i syntetycznymi, generowanie wideo zdarzeń symulujących rzadkie lub niebezpieczne sytuacje oraz tworzenie obrazów defektów dla modeli kontroli jakości. Cosmos Data Factory, wspierane na platformach takich jak GitHub, Microsoft Azure, Nebius i CoreWeave, przyspiesza przepływ pracy z użyciem agentów oraz akceleracji GPU.

Firma motoryzacyjna Porsche korzysta z Cosmos Data Factory za pośrednictwem Voxel51 na Microsoft Azure, aby stworzyć wspólny ekosystem danych pojazdów autonomicznych (AV) w ramach marek Grupy Volkswagen. Inicjatywa ta ma na celu ograniczenie powtarzających się testów drogowych nawet o 90% oraz skrócenie cykli rozwojowych nawet o 85%. Podobnie firma ANYbotics wykorzystała narzędzia Cosmos do wygenerowania ponad 1500 syntetycznych klipów wideo służących do szkolenia robotów inspekcyjnych, a firma Ultralytics z branży wizji komputerowej ulepszyła model YOLO do wykrywania defektów, używając ukierunkowanych defektów syntetycznych.

Oprócz narzędzi do zarządzania danymi NVIDIA rozszerzyła możliwości treningu i wdrażania w ramach Cosmos Framework. Programiści mogą obecnie dostrajać i optymalizować wiodące otwarte modele, takie jak GR00T, Alpamayo, QWEN i Pi0.5, stosując techniki takie jak uczenie przez wzmacnianie, destylacja i kwantyzacja. Na przykład laboratorium badawcze MicroAGI dostosowało model Cosmos 3 do specjalizacji w zadaniach manipulacji egocentrycznej, znacząco redukując rozmiar modelu bez utraty dokładności.

Platforma zawiera również ulepszenia symulacji z wariantami modelu Cosmos 3 Nano, które pozwalają deweloperom testować polityki autonomiczne w skomplikowanych, wielowidokowych, multisensorycznych symulacjach przed wdrożeniem w rzeczywistości. Mikrousługi Cosmos 3 NIM firmy NVIDIA zapewniają nawet dwukrotnie szybsze wnioskowanie przy zachowaniu jakości oraz wspierają ciągłą analizę wideo z alertami w ułamkach sekundy. W oparciu o te technologie, NVIDIA Metropolis Blueprint 3.3 oferuje efektywne wyszukiwanie i podsumowywanie wideo, pomagając zespołom monitorować znacznie więcej strumieni wideo na jednym GPU.

Ekosystem wspiera otwarte i modułowe podejście. Programiści mogą tworzyć zbiory treningowe za pomocą Cosmos Data Factory, trenować i dostrajać modele z Cosmos Framework oraz wdrażać je przez skalowalne mikrousługi. Ten zintegrowany proces umożliwia efektywne iteracje i większą pewność przy wdrażaniu systemów AI działających bezpiecznie i skutecznie w środowiskach fizycznych.

We współpracy z partnerami takimi jak Microsoft Azure i Voxel51, NVIDIA podkreśla swoje zaangażowanie w realizację procesu tworzenia AI opartego na inżynierii, z naciskiem na powtarzalną walidację i kontrolę. Jak pokazuje modułowy model danych Porsche, to kooperacyjne, lecz kontrolowane przez producenta podejście do zarządzania danymi i modelami ma przyspieszyć rozwój pojazdów autonomicznych i nie tylko.

Kontynuowane inwestycje NVIDIA w platformę Cosmos odzwierciedlają rosnące znaczenie fizycznej AI w rzeczywistych zastosowaniach, ułatwiając programistom budowę zaawansowanych modeli AI, które postrzegają i działają w świecie fizycznym z większą niezawodnością i efektywnością.