NVIDIA har udvidet værktøjerne omkring Cosmos-worldmodeller med blueprints til datagenerering, bredere understøttelse af modeltræning og simuleringsvarianter til test af autonome systemer. Meddelelsen den 22. oktober 2026 forbinder forberedelse af datasæt, tilpasning af modeller og implementering og omfatter rapporterede kundeanvendelser inden for køretøjsudvikling, industriel inspektion og sikkerhedsovervågning.

Vigtigste punkter

  • Cosmos Data Factory tilbyder nu fem blueprints til forberedelse og generering af træningsdata til fysisk AI.
  • Cosmos Framework udvider trænings- og optimeringsværktøjerne til flere åbne modeller, mens nye simuleringsvarianter understøtter test af politikker.
  • NVIDIA rapporterer hurtigere inferens i validerede konfigurationer; Porsches forventede besparelser på udvikling er fortsat forventninger, ikke opnåede resultater.

Indholdsfortegnelse

Cosmos-worldmodeller får et bredere udviklingsværktøjssæt

Udvidelsen er rettet mod udviklere, der bygger fysiske AI-systemer, som skal forstå og simulere virkelige miljøer. I stedet for blot at introducere endnu en model udvider NVIDIA de tilhørende værktøjer, der bruges til at sammensætte træningsdata, tilpasse modeller, evaluere adfærd og køre understøttede modeller.

På GTC Berlin udvidede virksomheden Cosmos Frameworks værktøjer og opskrifter til træning, optimering og implementering som agentfærdigheder til flere åbne modeller ved siden af Cosmos 3. De understøttede muligheder omfatter 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 destillering og kvantisering før implementering. NVIDIA beskrev en anvendelse hos robotforskningslaboratoriet MicroAGI, som eftertrænede Cosmos 3 på videoer af mennesker, der manipulerer genstande, og destillerede dens ræsonneringsmodel med 32 milliarder parametre til en Nano-model med 8 milliarder parametre, angiveligt uden tab af nøjagtighed.

Fem blueprints adresserer mangler i træningsdata

Cosmos Data Factory tilbyder nu fem cloud-native blueprints via GitHub, Microsoft Azure, Nebius og CoreWeave. De dækker datasæt til autonome køretøjer, udvidelse med billedattributter, syntetiske videoer af sjældne eller usikre hændelser, defektbilleder til inspektion samt ændringer i vejr og belysning i eksisterende optagelser, samtidig med at scenens struktur bevares.

Cosmos Curator, platformens GPU-accelererede værktøj til kuratering af videodatasæt, har også tilføjet understøttelse af multimodale og multisensoriske input samt behandlingsblokke.

Porsche bruger Cosmos Data Factory via Voxel51 på Microsoft Azure til at stå i spidsen for udviklingen af et fælles dataflywheel for autonome køretøjer på tværs af Volkswagen Groups mærker. NVIDIA sagde, at arbejdet forventes at reducere gentagne fysiske testkørsler med op til 90 % og forkorte udviklingscyklusser med op til 85 %; tallene er forventede gevinster.

Andre eksempler vedrører allerede udført arbejde. ANYbotics genererede mere end 1.500 syntetiske videoklip og brugte Encords platform til at kuratere virkelige data og validere resultaterne med henblik på at træne inspektionsrobotter til at genkende spild og andre ændringer på anlæg. Ultralytics genoptrænede sin YOLO-model med virkelige billeder og målrettede syntetiske defekter, hvilket ifølge NVIDIA forbedrede lokaliseringen af defekter og genkaldelsen.

Simuleringsvarianter understøtter test før implementering

Nye Cosmos 3 Nano-simuleringsvarianter giver udviklere mulighed for at teste autonome politikker i gentagelige scenarier, der er vanskelige at indsamle, ved hjælp af flere visninger og sensorer. Den tilhørende kode understøtter tilpasning af modellerne til træning og evaluering af politikker for autonome køretøjer og tohåndede robotter i interaktive simuleringer før test i den virkelige verden.

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

Videoanvendelser udvider opdateringen af implementeringen

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 videostreams med den samme GPU.

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

Konklusion

Cosmos-opdateringen udvider NVIDIAs værktøjer til udvikling og test af fysisk AI før implementering. Kundeeksemplerne kombinerer gennemført arbejde med datagenerering og aktive sikkerhedsanvendelser med forventede besparelser på køretøjsudvikling, mens resultatpåstandene fortsat er begrænset til bestemte konfigurationer.

Læs flere nyheder

Flere nyheder fra FinanceVelix

Ansvarsfraskrivelse

Denne FinanceVelix-artikel indeholder generel information og udgør ikke personlig finansiel, investeringsmæssig, juridisk eller skattemæssig rådgivning. Markedspriser, renter og økonomiske forhold kan ændre sig; investeringer indebærer risiko for tab. Oplysningerne afspejler det tilgængelige materiale på udgivelsestidspunktet og kan ændre sig. Kontrollér vigtige oplysninger selvstændigt, og rådfør dig med en kvalificeret fagperson efter behov. Omtale af et aktiv, en virksomhed eller en tjeneste er ikke en anbefaling.