NVIDIA a élargi les outils entourant les modèles mondiaux Cosmos, ajoutant des plans de génération de données, un support plus large pour l’entraînement des modèles et des variantes de simulation pour tester des systèmes autonomes. L’annonce du 22 octobre 2026 relie la préparation des ensembles de données, l’adaptation et le déploiement des modèles, avec les applications clients rapportées couvrant le développement de véhicules, l’inspection industrielle et la surveillance de la sécurité.

Points clés

  • Cosmos Data Factory propose désormais cinq plans pour préparer et générer des données physiques d’entraînement IA.
  • Cosmos Framework étend les outils d’entraînement et d’optimisation à des modèles plus ouverts, tandis que de nouvelles variantes de simulation supportent les tests de politiques.
  • NVIDIA rapporte une inférence plus rapide dans des configurations validées ; Les économies de développement projetées par Porsche restent des attentes, pas des résultats finalisés.

Table des matières

Les modèles de mondes cosmos bénéficient d’une boîte à outils de développement plus large

Cette extension cible les développeurs construisant des systèmes d’IA physiques qui doivent comprendre et simuler des environnements réels. Plutôt que de n’introduire qu’un autre modèle, NVIDIA étend les outils environnants utilisés pour assembler les données d’entraînement, adapter les modèles, évaluer le comportement et exécuter des modèles pris en charge.

Chez GTC Berlin, la société a étendu les outils et recettes de formation, d’optimisation et de déploiement du Cosmos Framework en tant que compétences d’agent à des modèles plus ouverts, parallèlement à Cosmos 3. Les options prises en charge incluent GR00T, Alpamayo, QWEN, Pi0.5 et d’autres modèles compatibles de Hugging Face.

Les développeurs et agents peuvent utiliser l’ajustement fin et l’apprentissage par renforcement pour adapter les modèles, puis appliquer la distillation et la quantification avant le déploiement. NVIDIA a décrit une application au laboratoire de recherche en robotique MicroAGI, qui a post-entraîné Cosmos 3 sur des vidéos de personnes manipulant des objets et a distillé son raisonneur de 32 milliards de paramètres en un modèle Nano à 8 milliards de paramètres, apparemment sans perdre en précision.

Cinq plans comblent les lacunes dans les données d’entraînement

Cosmos Data Factory propose désormais cinq plans cloud-natives via GitHub, Microsoft Azure, Nebius et CoreWeave. Ils couvrent les ensembles de données de véhicules autonomes, l’augmentation des attributs d’image, les vidéos synthétiques d’événements rares ou dangereux, les images de défauts à inspecter, ainsi que les modifications de la météo et de l’éclairage dans les séquences existantes tout en préservant la structure de la scène.

Cosmos Curator, l’outil de curation accélérée par GPU pour la curation de jeux de données vidéo de la plateforme, a également ajouté la prise en charge des entrées multimodales et multisensorielles ainsi que des blocs de traitement.

Porsche utilise Cosmos Data Factory via Voxel51 sur Microsoft Azure pour diriger le développement d’un volant d’inertie partagé pour véhicules autonomes à travers les marques du groupe Volkswagen. NVIDIA a indiqué que ce travail devrait réduire les essais physiques répétés jusqu’à 90 % et raccourcir les cycles de développement jusqu’à 85 % ; ces chiffres sont des bénéfices projetés.

D’autres exemples concernent des travaux déjà réalisés. ANYbotics a généré plus de 1 500 clips vidéo synthétiques, utilisant la plateforme Encord pour conserver des données réelles et valider les résultats, afin d’entraîner les robots d’inspection à reconnaître les déversements et autres changements d’installation. Ultralytics a réentraîné son modèle YOLO avec des images réelles et des défauts synthétiques ciblés, améliorant la localisation et le rappel des défauts, selon NVIDIA.

Les variantes de simulation supportent les tests avant le déploiement

Les nouvelles variantes de simulation Cosmos 3 Nano permettent aux développeurs de tester des politiques autonomes dans des scénarios répétables difficiles à capturer, en utilisant plusieurs vues et capteurs. Le code accompagnant permet d’adapter les modèles pour entraîner et évaluer les politiques des véhicules autonomes et des robots bimanuels dans des simulations interactives avant les tests en conditions réelles.

Pour le déploiement, les microservices NIM de Cosmos 3 mis à jour offrent jusqu’à deux fois la vitesse d’inférence sans perte de qualité dans les configurations validées, a indiqué NVIDIA. L’entreprise a également rapporté que l’analyse vidéo continue permet des alertes en moins d’une seconde.

Les applications vidéo prolongent la mise à jour de déploiement

Le nouveau NVIDIA Metropolis Blueprint pour la recherche et le résumé vidéo, version 3.3, est construit sur les microservices NIM de Cosmos. NVIDIA a indiqué qu’il transforme une invite en application d’IA vidéo et permet aux équipes de surveiller 40 % de flux vidéo supplémentaires avec le même GPU.

ADNOC utilise la plateforme agent MistIQ de Fogsphere, construite avec Cosmos et le blueprint de Metropolis, pour détecter en temps réel les dangers pour la sécurité sur 65 sites. Fogsphere utilise également Cosmos Data Factory pour générer des exemples d’entraînement d’événements rares, améliorant la détection sans mettre en scène des situations dangereuses physiquement.

Conclusion

La mise à jour Cosmos élargit les outils NVIDIA pour développer et tester l’IA physique avant le déploiement. Ses exemples clients combinent le travail de génération de données achevé et les applications de sécurité active avec des économies projetées dans le développement des véhicules, tandis que les revendications de performance conservent des limites spécifiques à la configuration.

Lire plus de nouvelles

Plus FinanceVelix nouvelles

Avertissement

Cet article FinanceVelix fournit des informations générales, pas des conseils financiers, d’investissement, juridiques ou fiscaux personnalisés. Les prix du marché, les taux d’intérêt et les conditions économiques peuvent évoluer ; les investissements comportent un risque de perte. Les faits reflètent le contenu disponible lors de la publication et peuvent changer. Vérifiez les informations importantes de manière indépendante et consultez un professionnel qualifié lorsque nécessaire. Mentionner un actif, une entreprise ou un service n’est pas une recommandation.