NVIDIA hat die Werkzeuge rund um Cosmos-Weltmodelle erweitert und Datengenerierungs-Blueprints, breitere Modelltrainingsunterstützung und Simulationsvarianten für das Testen autonomer Systeme hinzugefügt. Die Ankündigung vom 22. Oktober 2026 verbindet Datensatzvorbereitung, Modellanpassung und -bereitstellung mit berichteten Kundenanwendungen aus der Fahrzeugentwicklung, industrieller Inspektion und Sicherheitsüberwachung.

Wichtige Erkenntnisse

  • Cosmos Data Factory bietet nun fünf Baupläne zur Vorbereitung und Generierung physischer KI-Trainingsdaten an.
  • Cosmos Framework erweitert Trainings- und Optimierungstools auf offenere Modelle, während neue Simulationsvarianten Policy-Tests unterstützen.
  • NVIDIA meldet schnellere Inferenzen in validierten Konfigurationen; Porsches prognostizierte Entwicklungseinsparungen bleiben Erwartungen, nicht abgeschlossene Ergebnisse.

Inhaltsverzeichnis

Cosmos-Weltmodelle erhalten ein breiteres Entwicklungswerkzeug

Die Erweiterung richtet sich an Entwickler, die physische KI-Systeme bauen, die reale Umgebungen verstehen und simulieren müssen. Anstatt nur ein weiteres Modell einzuführen, erweitert NVIDIA die umliegenden Werkzeuge zur Zusammenstellung von Trainingsdaten, zur Anpassung von Modellen, zur Bewertung von Verhalten und zur Ausführung unterstützter Modelle.

Bei GTC Berlin erweiterte das Unternehmen Cosmos Framework-Trainings-, Optimierungs- und Bereitstellungstools sowie Rezepte als Agentenkompetenzen auf offenere Modelle, neben Cosmos 3. Unterstützte Optionen umfassen GR00T, Alpamayo, QWEN, Pi0.5 und andere kompatible Hugging Face-Modelle.

Entwickler und Agenten können Feinabstimmung und Reinforcement Learning nutzen, um Modelle anzupassen und dann Destillation und Quantisierung vor der Einführung anwenden. NVIDIA beschrieb eine Anwendung im Robotikforschungslabor MicroAGI, das Cosmos 3 mit Videos von Menschen beim Manipulieren von Objekten nachtrainierte und seinen 32-Milliarden-Parameter-Reasoner in ein 8-Milliarden-Parameter-Nano-Modell destillierte, angeblich ohne Genauigkeitsverlust.

Fünf Baupläne schließen Lücken in den Trainingsdaten

Cosmos Data Factory stellt nun fünf cloud-native Baupläne über GitHub, Microsoft Azure, Nebius und CoreWeave bereit. Sie decken autonome Fahrzeugdatensätze, Bildattribut-Erweiterung, synthetische Videos seltener oder unsicherer Ereignisse, Defektbilder zur Inspektion sowie Änderungen von Wetter und Beleuchtung in vorhandenem Material ab, während die Szenenstruktur erhalten bleibt.

Cosmos Curator, das GPU-beschleunigte Videodatensammlungs-Kuratierungstool der Plattform, hat außerdem Unterstützung für multimodale, multisensorische Eingaben und Verarbeitungsblöcke hinzugefügt.

Porsche nutzt Cosmos Data Factory über Voxel51 auf Microsoft Azure, um die Entwicklung eines gemeinsamen autonomen Fahrzeug-Datenschwungrads über die Marken der Volkswagen Group zu leiten. NVIDIA sagte, dass die Arbeit voraussichtlich wiederholte physische Testfahrten um bis zu 90 % reduzieren und die Entwicklungszyklen um bis zu 85 % verkürzen wird; diese Zahlen sind prognostizierte Vorteile.

Weitere Beispiele betreffen bereits durchgeführte Arbeiten. ANYbotics erzeugte mehr als 1.500 synthetische Videoclips und nutzte dabei die Plattform von Encord, um reale Daten zu kuratieren und Ausgaben zu validieren, um Inspektionsroboter darin zu schulen, Verschüttungen und andere Änderungen in der Einrichtung zu erkennen. Ultralytics trainierte sein YOLO-Modell mit echten Bildern und zielte synthetische Defekte an, wodurch die Fehlerlokalisierung und -wiedergabe verbessert wurden, so NVIDIA.

Simulationsvarianten unterstützen Tests vor der Einführung

Neue Cosmos 3 Nano-Simulationsvarianten ermöglichen es Entwicklern, autonome Richtlinien in wiederholbaren Szenarien zu testen, die schwer zu erfassen sind, mithilfe mehrerer Ansichten und Sensoren. Der begleitende Code unterstützt die Anpassung der Modelle, um Richtlinien für autonome Fahrzeuge und bimanuelle Roboter in interaktiven Simulationen vor realen Tests zu trainieren und zu evaluieren.

Für die Bereitstellung liefern aktualisierte Cosmos-3-NIM-Microservices bis zu doppelte Schlussgeschwindigkeit ohne Qualitätsverlust in validierten Konfigurationen, sagte NVIDIA. Das Unternehmen berichtete außerdem, dass kontinuierliche Videoanalyse Alarme in Subsekunden ermöglicht.

Videoanwendungen verlängern das Deployment-Update

Der neue NVIDIA Metropolis Blueprint für Videosuche und Zusammenfassung, Version 3.3, basiert auf Cosmos NIM-Mikroservices. NVIDIA erklärte, dass er einen Prompt in eine Video-KI-Anwendung umwandelt und Teams ermöglicht, 40 % mehr Videostreams mit derselben GPU zu überwachen.

ADNOC nutzt die MistIQ-Agentenplattform von Fogsphere, die mit Cosmos und dem Metropolis-Blueprint entwickelt wurde, um Sicherheitsrisiken in Echtzeit an 65 Standorten zu erkennen. Fogsphere nutzt außerdem Cosmos Data Factory, um Trainingsbeispiele seltener Ereignisse zu erstellen und so die Erkennung zu verbessern, ohne physisch gefährliche Situationen zu inszenieren.

Fazit

Das Cosmos-Update erweitert NVIDIAs Werkzeuge zur Entwicklung und zum Testen physischer KI vor der Bereitstellung. Die Kundenbeispiele kombinieren abgeschlossene Datengenerierungsarbeiten und aktive Sicherheitsanwendungen mit prognostizierten Einsparungen bei der Fahrzeugentwicklung, während Leistungsansprüche konfigurationsspezifische Grenzen beibehalten.

Weitere Nachrichten lesen

Mehr FinanceVelix Neuigkeiten

Haftungsausschluss

Dieser FinanceVelix Artikel bietet allgemeine Informationen, keine persönlichen Finanz-, Anlage-, Rechts- oder Steuerberatungen. Marktpreise, Zinssätze und wirtschaftliche Bedingungen können sich ändern; Investitionen bergen ein Verlustrisiko. Die Fakten spiegeln das verfügbare Material bei der Veröffentlichung wider und können sich ändern. Überprüfen Sie wichtige Informationen unabhängig und konsultieren Sie bei Bedarf einen qualifizierten Fachmann. Die Erwähnung eines Vermögenswerts, Unternehmens oder einer Dienstleistung ist keine Empfehlung.