Word lid van onze dagelijkse en wekelijkse kranten voor exclusieve inhoud over de nieuwste updates en AI-dekking in de industrie. Leer meer
Nvidia Heeft uitgebracht Universe-Transfer1Een innovatief AI -model stelt ontwikkelaars in staat om zeer realistische simulatie te creëren voor trainingsrobots en autonome voertuigen. Nu beschikbaar Op het eerste gezicht van een knuffel gaat het model een frequente uitdaging aan bij fysieke AI -ontwikkeling: het verschil tussen neptrainingsomgeving en reële wereldtoepassingen verminderen.
“We introduceren het Cosmos-Transfer 1, een voorwaardelijk wereldgeneratiemodel dat wereldsimulatie kan genereren op basis van veel ruimtelijke controle-inputs van verschillende methoden zoals partities, diepte en rand,” zeiden Nvidia-onderzoekers in één. papier Gepubliceerd met release. “Het maakt zeer controlegische wereldgeneratie en toepassingen mogelijk in geval van overdracht van verschillende wereld-naar-wereld, waaronder SIM2REREAL.”
In tegenstelling tot het vorige simulatiemodel, Universe-Transfer1 Een adaptieve multimodaal regelt het besturingssysteem waarmee ontwikkelaars verschillende visuele ingangen kunnen wegen – zoals diepte -informatie of objectlimieten – scheiden in verschillende delen van een weergave. Dit succes maakt meer fijne controle over het gegenereerde milieu mogelijk, wat hun realisme en nut aanzienlijk verbetert.
Hoe adaptieve multimodale controle AI -simulatietechnologie te vervangen
Traditionele benaderingen om fysieke AI-systemen te trainen, omvatten ofwel grootschalige echte gegevens die gegevens verzamelen-een dure en tijdvernietigend proces-of met behulp van een gesimuleerde omgeving die vaak leidt tot een gebrek aan echte complexiteit en variabiliteit.
Universe-Transfer1 De ontwikkelaars staan dit dilemma toe door multimodale inputs (zoals vervaagde weergaven, randdetecties, dieptekaarten en divisie) toe te staan om fotoristische simulaties te genereren die belangrijke aspecten van de oorspronkelijke weergave behouden wanneer het natuurlijk wordt toegevoegd bij het toevoegen.
“In het ontwerp is het ruimtelijke voorwaardelijke plan adaptief en aanpasbaar,” legden de onderzoekers uit. “Hierdoor kunnen afzonderlijke voorwaardelijke ingangen afzonderlijk worden gewogen op verschillende ruimtelijke plaatsen.”
Deze capaciteit blijkt bijzonder waardevol te zijn in robotica, waarbij een ontwikkelaar een nauwkeurige controle wil behouden over hoe een robotarm verschijnt en verloopt, waardoor meer creatieve vrijheid mogelijk is bij het genereren van verschillende achtergrondomgeving. Voor autonome voertuigen maakt het de bescherming van weglay -out en verkeerspatronen mogelijk, waardoor de weersomstandigheden, verlichting of stedelijke omgevingen worden gescheiden.
Fysieke AI -applicatie die robotica en autonoom rijden kan veranderen
Dr. Ming-u liuEen van de belangrijkste bijdragers in het project, vroeg waarom deze technologie -industrie belangrijk is voor applicaties.
“Een beleidsmodel begeleidt het gedrag van een fysiek AI -systeem, zodat het systeem werkt met veiligheid en volgens zijn doelen,” merkten Liu en hun collega’s op in papier. “Cosmos-Transfer 1 kan worden getraind in beleidsmodellen om taken te genereren, om handmatige beleidsopleidingskosten, tijd- en gegevensbehoeften te besparen.”
Technologie heeft zijn waarde al aangetoond in robotica -simulatietests. Bij gebruik van de COSMOS-overdracht 1 om gesimuleerde robotica-gegevens te verbeteren, ontdekten NVDIA-onderzoekers dat het model het fotorisisme verbetert door “meer visuele details en complexe gedeelde en natuurlijke verlichting” toe te voegen, waardoor de fysieke dynamiek van de robotbeweging wordt behouden.
Voor autonome voertuigontwikkeling stelt het model ontwikkelaars in staat om “het nut van de randgevallen van Genoonons te maximaliseren”, waardoor voertuigen worden geholpen om zeldzame maar belangrijke omstandigheden aan te pakken zonder dat ze op echte wegen moeten tegenkomen.
In het strategische AI -ecosysteem van NVIDIA voor de toepassingen van de fysieke wereld
Universe-Transfer1 Vertegenwoordigt slechts één component van de brede van Nvidia Universum Het platform, een pak van World Foundation Model (WFM) is speciaal ontworpen voor fysieke AI -ontwikkeling. Het podium omvat Cosmology-Predict 1 Voor de algemene wereldgeneratie en Cosmos-Reson1 Voor de logica van fysieke algemene kennis.
“Nvidia Cosmos is een ontwikkelaar-eerste World Foundation-modelplatform dat is ontworpen om fysieke AI-ontwikkelaars te helpen hun fysieke AI-systeem beter en sneller te maken,” beschrijft het bedrijf. Jethb Repository,, Het platform bevat vooraanstaande modellen NVIDIA Open Model Licentie En onder trainingsscript Apache 2 licenties,,
Het zorgt ervoor dat NVIDIA de groeiende markt voor het AI -tool inlossen die de ontwikkeling van het autonome systeem kan versnellen, vooral in robotica en autonome technologie als industrieën variërend van constructie tot transport.
Real-time generatie: Nvidia’s Hardware Power’s Next-Jen AI-simulatie
Nvidia presteerde ook Universe-Transfer1 Realtime op zijn nieuwste hardware. “We tonen verder een geschatte schaalstrategie om real -time wereldgeneratie te bereiken met een NVIDIA GB200 NVL72 -rack,” merkten onderzoekers op.
Het team behaalde ongeveer 40x versnelling bij het schalen van één naar 64 GPU, waardoor een generatie van 5 seconden van hoge kwaliteit video’s in slechts 4,2 seconden mogelijk was-een effectief real-time throwupoot.
Op de schaal pakt deze prestaties een andere belangrijke industriële uitdaging aan: simulatiesnelheid. Snelle, realistische simulatie maakt het mogelijk om te testen en herhalingscycli sneller te testen en de ontwikkeling van autonome systemen te versnellen.
Open-Sus innovatie: democratie van geavanceerde AI voor ontwikkelaars wereldwijd
NVIDIA -beslissing om beide te publiceren Universe-Transfer 1-model En zijn Onderliggende code Verwijdert obstakels voor ontwikkelaars wereldwijd op GitHub. Deze openbare release biedt toegang tot kleine teams en onafhankelijke onderzoekers tot simulatietechnologie die voorheen adequate middelen vereiste.
Deze stap past in de uitgebreide strategie van Nvidia om sterke ontwikkelaarsgemeenschappen te bouwen rond zijn hardware- en software -aanbiedingen. Door deze apparaten in meer handen te plaatsen, breidt het bedrijf zijn impact uit door de potentiële vooruitgang in de ontwikkeling van de fysieke AI te versnellen.
Voor robotica en autonome voertuigingenieurs kunnen deze nieuw beschikbare apparatuur de groeicycli verkorten door een efficiëntere trainingsomgeving. Praktische effecten kunnen worden gevoeld in de eerste testfase, waarbij ontwikkelaars het systeem kunnen blootstellen aan een breed scala aan scenario’s vóór de reële implementatie.
Hoewel de open source technologie biedt, vereist het nog steeds expertise en computationele bronnen om het effectief te gebruiken – een herinnering dat in AI -ontwikkeling code zelf het begin van het verhaal is.
Bronlink
