NVIDIA har utökat verktygen kring Cosmos-världsmodeller med datagenereringsmallar, bredare stöd för modellträning och simuleringsvarianter för testning av autonoma system. Tillkännagivandet den 22 oktober 2026 knyter samman förberedelse av datamängder, modellanpassning och driftsättning. De kundtillämpningar som uppges omfattar fordonsutveckling, industriell inspektion och säkerhetsövervakning.

Viktiga punkter

  • Cosmos Data Factory erbjuder nu fem mallar för att förbereda och generera träningsdata för fysisk AI.
  • Cosmos Framework utökar verktygen för träning och optimering till fler öppna modeller, medan nya simuleringsvarianter möjliggör testning av policyer.
  • NVIDIA rapporterar snabbare inferens i validerade konfigurationer; Porsches beräknade utvecklingsbesparingar är fortfarande förväntningar, inte uppnådda resultat.

Innehållsförteckning

Cosmos-världsmodeller får en bredare verktygslåda för utveckling

Utökningen riktar sig till utvecklare som bygger fysiska AI-system som behöver förstå och simulera verkliga miljöer. I stället för att bara introducera ytterligare en modell utökar NVIDIA de omgivande verktygen för att sammanställa träningsdata, anpassa modeller, utvärdera beteenden och köra modeller som stöds.

På GTC Berlin utökade företaget Cosmos Frameworks verktyg och recept för träning, optimering och driftsättning, som agentfunktioner, till fler öppna modeller utöver Cosmos 3. Alternativen som stöds omfattar GR00T, Alpamayo, QWEN, Pi0.5 och andra kompatibla modeller från Hugging Face.

Utvecklare och agenter kan använda finjustering och förstärkningsinlärning för att anpassa modeller och därefter använda destillering och kvantisering före driftsättning. NVIDIA beskrev ett användningsfall hos robotikforskningslaboratoriet MicroAGI, som eftertränade Cosmos 3 på videor av människor som hanterar föremål och destillerade dess resonemangsmodell med 32 miljarder parametrar till en Nano-modell med 8 miljarder parametrar, enligt uppgift utan att förlora noggrannhet.

Fem mallar åtgärdar brister i träningsdata

Cosmos Data Factory tillhandahåller nu fem molnbaserade mallar via GitHub, Microsoft Azure, Nebius och CoreWeave. De omfattar datamängder för autonoma fordon, komplettering av bildattribut, syntetiska videor av sällsynta eller osäkra händelser, defektbilder för inspektion samt förändringar i väder och belysning i befintligt videomaterial samtidigt som scenstrukturen bevaras.

Cosmos Curator, plattformens GPU-accelererade verktyg för kurering av videodatamängder, har också lagt till stöd för multimodala och multisensoriska indata samt bearbetningsblock.

Porsche använder Cosmos Data Factory via Voxel51 på Microsoft Azure för att leda utvecklingen av ett gemensamt dataflöde för autonoma fordon inom Volkswagen Groups varumärken. NVIDIA uppgav att arbetet väntas minska antalet upprepade fysiska provkörningar med upp till 90 % och förkorta utvecklingscyklerna med upp till 85 %; dessa siffror är beräknade fördelar.

Andra exempel gäller arbete som redan har utförts. ANYbotics genererade mer än 1 500 syntetiska videoklipp och använde Encords plattform för att kurera verkliga data och validera resultaten, för att träna inspektionsrobotar att känna igen spill och andra förändringar i anläggningar. Ultralytics tränade om sin YOLO-modell med verkliga bilder och riktade syntetiska defekter, vilket enligt NVIDIA förbättrade defektlokaliseringen och återkallningen.

Simuleringsvarianter möjliggör testning före driftsättning

Nya simuleringsvarianter av Cosmos 3 Nano gör det möjligt för utvecklare att testa autonoma policyer i repeterbara scenarier som är svåra att fånga, med hjälp av flera vyer och sensorer. Tillhörande kod stöder anpassning av modellerna för att träna och utvärdera policyer för autonoma fordon och tvåhänta robotar i interaktiva simuleringar före testning i verkliga miljöer.

För driftsättning ger uppdaterade Cosmos 3 NIM-mikrotjänster upp till dubbelt så hög inferenshastighet utan kvalitetsförlust i validerade konfigurationer, uppgav NVIDIA. Företaget rapporterade också att kontinuerlig videoanalys möjliggör varningar på under en sekund.

Videotillämpningar utökar uppdateringen av driftsättningen

Den nya NVIDIA Metropolis Blueprint för videosökning och sammanfattning, version 3.3, bygger på Cosmos NIM-mikrotjänster. NVIDIA uppgav att den omvandlar en prompt till en video-AI-applikation och gör det möjligt för team att övervaka 40 % fler videoströmmar med samma GPU.

ADNOC använder Fogspheres agentbaserade plattform MistIQ, byggd med Cosmos och Metropolis Blueprint, för att upptäcka säkerhetsrisker i realtid på 65 platser. Fogsphere använder också Cosmos Data Factory för att skapa träningsexempel på sällsynta händelser, vilket förbättrar detekteringen utan att farliga situationer behöver iscensättas fysiskt.

Slutsats

Cosmos-uppdateringen breddar NVIDIAs verktyg för att utveckla och testa fysisk AI före driftsättning. Kundexemplen kombinerar slutfört arbete med datagenerering och aktiva säkerhetstillämpningar med beräknade besparingar inom fordonsutveckling, samtidigt som prestandapåståendena är begränsade till specifika konfigurationer.

Läs fler nyheter

Fler nyheter från FinanceVelix

Ansvarsfriskrivning

Denna artikel från FinanceVelix tillhandahåller allmän information och utgör inte personlig finansiell rådgivning, investeringsrådgivning, juridisk rådgivning eller skatterådgivning. Marknadspriser, räntor och ekonomiska förhållanden kan förändras; investeringar medför risk för förlust. Uppgifterna återger det material som fanns tillgängligt vid publiceringstillfället och kan förändras. Kontrollera viktig information självständigt och rådfråga vid behov en kvalificerad expert. Att en tillgång, ett företag eller en tjänst nämns innebär inte att den rekommenderas.