NVIDIA har udvidet værktøjerne omkring Cosmos-verdensmodeller ved at tilføje datagenereringsblueprints, bredere modeltræningsstøtte og simuleringsvarianter til test af autonome systemer. Meddelelsen den 22. oktober 2026 forbinder datasætforberedelse, modeltilpasning og implementering med rapporterede kundeapplikationer, der spænder over køretøjsudvikling, industriel inspektion og sikkerhedsovervågning.

Vigtige pointer

  • Cosmos Data Factory tilbyder nu fem blueprints til forberedelse og generering af fysiske AI-træningsdata.
  • Cosmos Framework udvider trænings- og optimeringsværktøjer til mere åbne modeller, mens nye simuleringsvarianter understøtter policytestning.
  • NVIDIA rapporterer hurtigere slutninger i validerede konfigurationer; Porsches forventede udviklingsbesparelser forbliver forventninger, ikke færdige resultater.

Indholdsfortegnelse

Cosmos-verdensmodeller får et bredere udviklingsværktøj

Udvidelsen retter sig mod udviklere, der bygger fysiske AI-systemer, som skal forstå og simulere virkelige miljøer. I stedet for kun at introducere en anden model udvider NVIDIA de omkringliggende værktøjer, der bruges til at samle træningsdata, tilpasse modeller, evaluere adfærd og køre understøttede modeller.

Hos GTC Berlin udvidede virksomheden Cosmos Framework-træning, optimering og implementeringsværktøjer samt opskrifter som agentfærdigheder til mere åbne modeller, sammen med Cosmos 3. Understøttede muligheder inkluderer GR00T, Alpamayo, QWEN, Pi0.5 og andre kompatible Hugging Face-modeller.

Udviklere og agenter kan bruge finjustering og forstærkningslæring til at tilpasse modeller og derefter anvende destillation og kvantisering før implementering. NVIDIA beskrev en anvendelse på robotforskningslaboratoriet MicroAGI, som eftertrænede Cosmos 3 på videoer af mennesker, der manipulerede objekter, og destillerede dens 32-milliard-parameter ræsonnement til en 8-milliard-parameter Nano-model, angiveligt uden at miste nøjagtighed.

Fem blåtryk adresserer huller i træningsdata

Cosmos Data Factory leverer nu fem cloud-native blueprints via GitHub, Microsoft Azure, Nebius og CoreWeave. De dækker autonome køretøjsdatasæt, billedattributforbedring, syntetiske videoer af sjældne eller usikre hændelser, defektbilleder til inspektion samt ændringer i vejr og belysning i eksisterende optagelser, samtidig med at scenestrukturen bevares.

Cosmos Curator, platformens GPU-accelererede videodatasætkurateringsværktøj, har også tilføjet understøttelse af multimodale, multisensoriske input og behandlingsblokke.

Porsche bruger Cosmos Data Factory via Voxel51 på Microsoft Azure til at lede udviklingen af et delt autonomt køretøjsdata-svinghjul på tværs af Volkswagen Group-mærker. NVIDIA oplyste, at arbejdet forventes at reducere gentagne fysiske prøvekørsler med op til 90 % og forkorte udviklingscyklusser med op til 85 %; disse tal er forventede fordele.

Andre eksempler vedrører allerede udført arbejde. ANYbotics genererede mere end 1.500 syntetiske videoklip ved at bruge Encords platform til at kuratere data fra den virkelige verden og validere output, til træning af inspektionsrobotter til at genkende spild og andre ændringer i faciliteterne. Ultralytics omtrænede sin YOLO-model med rigtige billeder og målrettede syntetiske defekter, hvilket forbedrede fejllokalisering og -tilbagekald, ifølge NVIDIA.

Simuleringsvarianter understøtter test før implementering

Nye Cosmos 3 Nano-simuleringsvarianter lader udviklere teste autonome politikker i gentagelige scenarier, der er svære at fange, ved brug af flere visninger og sensorer. Medfølgende kode understøtter tilpasning af modellerne til at træne og evaluere politikker for autonome køretøjer og bimanuelle robotter i interaktive simulationer før reelle tests.

For implementering leverer opdaterede Cosmos 3 NIM-mikrotjenester op til dobbelt så høj inferenshastighed uden kvalitetstab i validerede konfigurationer, oplyste NVIDIA. Virksomheden rapporterede også, at kontinuerlig videoanalyse muliggør alarmer under et sekund.

Videoapplikationer forlænger implementeringsopdateringen

Den nye NVIDIA Metropolis Blueprint til videosøgning og -opsummering, version 3.3, er bygget på Cosmos NIM-mikrotjenester. NVIDIA sagde, at den omdanner en prompt til en video-AI-applikation og gør det muligt for teams at overvåge 40% flere videostrømme med samme GPU.

ADNOC bruger Fogspheres MistIQ-agentiske platform, bygget med Cosmos og Metropolis-blueprintet, til at opdage sikkerhedsrisici i realtid på tværs af 65 steder. Fogsphere bruger også Cosmos Data Factory til at generere træningseksempler på sjældne hændelser, hvilket forbedrer detektionen uden fysisk at iscenesætte farlige situationer.

Konklusion

Cosmos-opdateringen udvider NVIDIAs værktøjer til udvikling og test af fysisk AI før implementering. Dets kundeeksempler kombinerer færdigt datagenereringsarbejde og aktive sikkerhedsapplikationer med forventede besparelser i køretøjsudvikling, mens ydelseskrav bevarer konfigurationsspecifikke begrænsninger.

Læs flere nyheder

Mere FinanceVelix nyheder

Ansvarsfraskrivelse

Denne FinanceVelix artikel giver generel information, ikke personlig finansiel, investerings-, juridisk eller skatterådgivning. Markedspriser, renter og økonomiske forhold kan ændre sig; investeringer indebærer en risiko for tab. Fakta afspejler det tilgængelige materiale ved offentliggørelse og kan ændre sig. Tjek vigtig information uafhængigt og konsulter en kvalificeret fagperson, når det er nødvendigt. At nævne et aktiv, selskab eller en tjeneste er ikke en anbefaling.