NVIDIA ขยายเครื่องมือที่เกี่ยวข้องกับ Cosmos world models โดยเพิ่มพิมพ์เขียวสำหรับสร้างข้อมูล ขยายการรองรับการฝึกโมเดล และเพิ่มรูปแบบการจำลองสำหรับทดสอบระบบอัตโนมัติ ประกาศเมื่อวันที่ 22 ตุลาคม 2026 ครอบคลุมตั้งแต่การเตรียมชุดข้อมูล การปรับโมเดล ไปจนถึงการนำไปใช้งาน โดยระบุว่าลูกค้านำไปใช้ในด้านต่าง ๆ ตั้งแต่การพัฒนายานยนต์ การตรวจสอบในภาคอุตสาหกรรม ไปจนถึงการติดตามความปลอดภัย

ประเด็นสำคัญ

  • Cosmos Data Factory มีพิมพ์เขียว 5 แบบสำหรับเตรียมและสร้างข้อมูลฝึกสำหรับ physical AI
  • Cosmos Framework ขยายเครื่องมือฝึกและปรับประสิทธิภาพให้รองรับโมเดลโอเพนซอร์สมากขึ้น ขณะที่รูปแบบการจำลองใหม่ช่วยรองรับการทดสอบนโยบายการทำงาน
  • NVIDIA รายงานว่าการอนุมานเร็วขึ้นในชุดการกำหนดค่าที่ผ่านการตรวจสอบแล้ว ส่วนการประหยัดต้นทุนการพัฒนาที่ Porsche คาดการณ์ไว้ยังเป็นเพียงความคาดหวัง ไม่ใช่ผลลัพธ์ที่เกิดขึ้นแล้ว

สารบัญ

Cosmos world models ได้รับชุดเครื่องมือพัฒนาที่ครอบคลุมยิ่งขึ้น

การขยายครั้งนี้มุ่งเป้าไปที่นักพัฒนาระบบ physical AI ซึ่งจำเป็นต้องทำความเข้าใจและจำลองสภาพแวดล้อมในโลกจริง NVIDIA ไม่ได้เปิดตัวเพียงโมเดลใหม่อีกหนึ่งรุ่น แต่ยังขยายเครื่องมือที่ใช้ประกอบการเตรียมข้อมูลฝึก ปรับโมเดล ประเมินพฤติกรรม และใช้งานโมเดลที่รองรับ

ที่งาน GTC Berlin บริษัทขยายเครื่องมือและสูตรการฝึก การปรับประสิทธิภาพ และการนำไปใช้งานของ Cosmos Framework ตลอดจนทักษะของเอเจนต์ ให้รองรับโมเดลโอเพนซอร์สมากขึ้น นอกเหนือจาก Cosmos 3 ตัวเลือกที่รองรับ ได้แก่ GR00T, Alpamayo, QWEN, Pi0.5 และโมเดลอื่น ๆ บน Hugging Face ที่เข้ากันได้

นักพัฒนาและเอเจนต์สามารถใช้การปรับแต่งโมเดลด้วยข้อมูลเฉพาะ (fine-tuning) และการเรียนรู้แบบเสริมกำลัง (reinforcement learning) เพื่อปรับโมเดล จากนั้นจึงใช้การกลั่นโมเดล (distillation) และการควอนไทซ์ (quantization) ก่อนนำไปใช้งาน NVIDIA ยกตัวอย่างการใช้งานที่ MicroAGI ห้องปฏิบัติการวิจัยหุ่นยนต์ ซึ่งนำวิดีโอของคนที่กำลังหยิบจับวัตถุมาฝึก Cosmos 3 เพิ่มเติมหลังการฝึกเบื้องต้น และกลั่นโมเดลตัวให้เหตุผลขนาด 32 พันล้านพารามิเตอร์ให้เป็นโมเดล Nano ขนาด 8 พันล้านพารามิเตอร์ โดยรายงานว่าไม่สูญเสียความแม่นยำ

พิมพ์เขียว 5 แบบช่วยแก้ปัญหาช่องว่างของข้อมูลฝึก

ขณะนี้ Cosmos Data Factory มีพิมพ์เขียวแบบ cloud-native 5 แบบผ่าน GitHub, Microsoft Azure, Nebius และ CoreWeave ครอบคลุมชุดข้อมูลสำหรับยานยนต์ขับเคลื่อนอัตโนมัติ การเพิ่มข้อมูลกำกับคุณลักษณะของภาพ วิดีโอสังเคราะห์ของเหตุการณ์ที่เกิดขึ้นไม่บ่อยหรือไม่ปลอดภัย ภาพตำหนิสำหรับการตรวจสอบ และการเปลี่ยนแปลงสภาพอากาศกับแสงในวิดีโอที่มีอยู่โดยยังคงโครงสร้างฉากไว้

Cosmos Curator ซึ่งเป็นเครื่องมือคัดสรรชุดข้อมูลวิดีโอที่เร่งความเร็วด้วย GPU ของแพลตฟอร์ม ยังเพิ่มการรองรับอินพุตและบล็อกประมวลผลแบบหลายรูปแบบและหลายประสาทสัมผัสด้วย

Porsche ใช้ Cosmos Data Factory ผ่าน Voxel51 บน Microsoft Azure เพื่อเป็นผู้นำการพัฒนาวงจรข้อมูลยานยนต์ขับเคลื่อนอัตโนมัติร่วมกันในแบรนด์ต่าง ๆ ของ Volkswagen Group NVIDIA ระบุว่างานนี้คาดว่าจะช่วยลดการขับรถทดสอบจริงที่ต้องทำซ้ำได้สูงสุด 90% และลดระยะเวลาการพัฒนาได้สูงสุด 85% ตัวเลขดังกล่าวเป็นประโยชน์ที่คาดการณ์ไว้

ตัวอย่างอื่น ๆ กล่าวถึงงานที่ดำเนินการแล้ว ANYbotics สร้างคลิปวิดีโอสังเคราะห์มากกว่า 1,500 คลิป โดยใช้แพลตฟอร์มของ Encord คัดสรรข้อมูลจากโลกจริงและตรวจสอบผลลัพธ์ เพื่อฝึกหุ่นยนต์ตรวจสอบให้รู้จำของเหลวหกและการเปลี่ยนแปลงอื่น ๆ ในสถานประกอบการ ส่วน Ultralytics ฝึกโมเดล YOLO ใหม่ด้วยภาพจริงและตำหนิสังเคราะห์ที่กำหนดเป้าหมาย โดย NVIDIA ระบุว่าช่วยเพิ่มความแม่นยำในการระบุตำแหน่งตำหนิและอัตราการตรวจพบ (recall)

รูปแบบการจำลองรองรับการทดสอบก่อนนำไปใช้งาน

รูปแบบการจำลอง Cosmos 3 Nano ใหม่ช่วยให้นักพัฒนาทดสอบนโยบายการทำงานของระบบอัตโนมัติในสถานการณ์ที่ทำซ้ำได้และยากต่อการบันทึกภาพ โดยใช้มุมมองและเซ็นเซอร์หลายตัว โค้ดที่มาพร้อมกันรองรับการปรับโมเดลเพื่อฝึกและประเมินนโยบายสำหรับยานยนต์ขับเคลื่อนอัตโนมัติและหุ่นยนต์สองมือในสภาพแวดล้อมจำลองแบบโต้ตอบ ก่อนทดสอบในโลกจริง

สำหรับการนำไปใช้งาน ไมโครเซอร์วิส Cosmos 3 NIM ที่อัปเดตแล้วให้ความเร็วในการอนุมานสูงขึ้นได้ถึง 2 เท่าโดยไม่สูญเสียคุณภาพในชุดการกำหนดค่าที่ผ่านการตรวจสอบแล้ว ตามที่ NVIDIA ระบุ บริษัทยังรายงานด้วยว่าการวิเคราะห์วิดีโอต่อเนื่องทำให้สามารถส่งการแจ้งเตือนได้ภายในเวลาไม่ถึงหนึ่งวินาที

แอปพลิเคชันวิดีโอช่วยขยายการอัปเดตด้านการนำไปใช้งาน

NVIDIA Metropolis Blueprint ใหม่สำหรับการค้นหาและสรุปวิดีโอ เวอร์ชัน 3.3 สร้างขึ้นบนไมโครเซอร์วิส Cosmos NIM NVIDIA ระบุว่าเครื่องมือนี้เปลี่ยนพรอมป์ต์ให้เป็นแอปพลิเคชัน AI สำหรับวิดีโอ และช่วยให้ทีมตรวจสอบสตรีมวิดีโอได้มากขึ้น 40% โดยใช้ GPU จำนวนเท่าเดิม

ADNOC ใช้แพลตฟอร์มแบบเอเจนต์ MistIQ ของ Fogsphere ซึ่งสร้างด้วย Cosmos และ Metropolis Blueprint เพื่อตรวจจับอันตรายด้านความปลอดภัยแบบเรียลไทม์ใน 65 แห่ง Fogsphere ยังใช้ Cosmos Data Factory สร้างตัวอย่างฝึกของเหตุการณ์ที่เกิดขึ้นไม่บ่อย ช่วยเพิ่มประสิทธิภาพการตรวจจับโดยไม่ต้องจัดฉากสถานการณ์อันตรายขึ้นจริง

สรุป

การอัปเดต Cosmos ขยายเครื่องมือของ NVIDIA สำหรับพัฒนาและทดสอบ physical AI ก่อนนำไปใช้งาน ตัวอย่างจากลูกค้าครอบคลุมทั้งงานสร้างข้อมูลที่เสร็จสิ้นแล้วและการใช้งานด้านความปลอดภัยที่กำลังดำเนินอยู่ ตลอดจนการประหยัดต้นทุนการพัฒนายานยนต์ที่คาดการณ์ไว้ ขณะที่คำกล่าวอ้างด้านประสิทธิภาพยังมีข้อจำกัดเฉพาะตามชุดการกำหนดค่าที่ใช้

อ่านข่าวเพิ่มเติม

ข่าวเพิ่มเติมจาก FinanceVelix

ข้อสงวนสิทธิ์

บทความนี้จาก FinanceVelix จัดทำขึ้นเพื่อให้ข้อมูลทั่วไป ไม่ใช่คำแนะนำทางการเงิน การลงทุน กฎหมาย หรือภาษีที่ปรับให้เหมาะกับบุคคล ราคาตลาด อัตราดอกเบี้ย และภาวะเศรษฐกิจอาจเปลี่ยนแปลงได้ การลงทุนมีความเสี่ยงที่จะขาดทุน ข้อเท็จจริงสะท้อนข้อมูลที่มีอยู่ ณ เวลาที่เผยแพร่และอาจเปลี่ยนแปลงได้ โปรดตรวจสอบข้อมูลสำคัญด้วยตนเองและปรึกษาผู้เชี่ยวชาญที่มีคุณสมบัติเหมาะสมเมื่อจำเป็น การกล่าวถึงสินทรัพย์ บริษัท หรือบริการใด ๆ ไม่ถือเป็นการรับรอง