StorageReview.com

Överbrygga AI-gapet med fysisk AI

AI  ◇  Företag

På CES 2025 presenterade NVIDIA en svit av transformativa plattformar, modeller och ramverk utformade för att påskynda utvecklingen av robotik, autonoma fordon och andra framväxande fysiska AI-system. Centralt för dessa tillkännagivanden är NVIDIA Cosmos, en plattform byggd för att generera fysikbaserad syntetisk data för träning och utvärdering av automatiserade maskiner. Vid sidan av Cosmos visade NVIDIA upp utökade Omniverse-funktioner, nya företagsklara ritningar och avancerade pipelines för att bygga nästa generations humanoida robotar. Dessa utgåvor syftar till att effektivisera hur forskare, utvecklare och företag kan utnyttja AI för kommersiella och industriella tillämpningar.

Forma framtiden för fysisk AI

Fysisk AI, som omfattar autonoma fordon, robotik och eventuellt alla "intelligenta" enheter som interagerar med den verkliga världen, förlitar sig på enorma mängder data för att lära sig hur man uppfattar, flyttar och fattar beslut. NVIDIAs initiativ fokuserar på att göra dessa utvecklingsprocesser mer tillgängliga. Genom att tillhandahålla öppna, anpassningsbara modeller och överbrygga simulerade och verkliga miljöer, hoppas NVIDIA upprätthålla farten i AI-drivna transformationer inom transport, logistik, konsumentrobotik och mer.

NVIDIAs Cosmos lyftes fram som en omfattande plattform för generativ syntetisk data inriktad på robotik och AV-forskning. Kärnan är World Foundation-modeller (WFM), som kan producera fysikmedvetna videoklipp och förutsäga hur en scen kan utvecklas baserat på olika faktorer. Eftersom dessa WFM fungerar som "grund"-nätverk kan utvecklare finjustera dem för allt från industriella lagersimuleringar till verkliga körscenarier med olika väg- och väderförhållanden. Cosmos betonar också pålitlig AI-praxis genom att koppla generativa funktioner med skyddsräcken och vattenstämplar, vilket minskar risker som desinformation och oavsiktlig partiskhet.

Utöka NVIDIA Omniverse Ecosystem

Ett annat viktigt tillkännagivande kretsar kring Omniversum, inklusive nya generativa AI-funktioner, integrerade utvecklingsbibliotek och specialiserade ritningar för design av industriella applikationer. Genom att använda Omniverse Sensor RTX API:er blir sensordatasimulering i storskaliga fabriks- eller lagermiljöer effektivare. Svitens betoning på OpenUSD-tillgångar och generativa märkningslösningar påskyndar också skapandet av stora, fysikexakta 3D-världar. Som ett resultat kan ingenjörer snabbt prototyper, validera och iterera komplexa industriella eller robotarbetsflöden i en realistisk digital tvilling före fysisk implementering.

Ritningar för industriell robotik

NVIDIA har också avslöjat "Mega"-ritningen för industriella miljöer som tillverkning av golv, lager och distributionscenter. Denna referensarkitektur innehåller Omniverse-teknik, AI-baserad ruttplanering och sensorfeedback i realtid. Det utlovar ett mjukvarudefinierat tillvägagångssätt för fysisk orkestrering av robot- och lagermaskineri. Supply chain, detaljhandel och pakettjänster kan utnyttja "Mega" för att optimera den dagliga logistiken, testa nya konfigurationer och integrera snabbt föränderlig hårdvara utan att orsaka störningar eller högre kostnader i verkliga miljöer.

Slutsats

Från att bygga storskaliga, datarika simuleringar till att främja ansvarsfulla och robusta AI-modeller, NVIDIAs senaste tillkännagivanden på CES 2025 understryker företagets orubbliga engagemang för att driva AI framåt. Den nya Cosmos-plattformen och Omniverse-expansionerna ger utvecklare, företag och forskare en integrerad väg för att omvandla rådata till sofistikerad, verklighetsanpassad AI. När dessa innovationer mognar banar de vägen för mer avancerad robotik, autonoma fordon och digitala tvillingapplikationer – vilket slutligen formar en framtid där AI interagerar sömlöst och säkert med den fysiska världen.

Engagera dig med StorageReview

Nyhetsbrev | YouTube | Podcast iTunes / Spotify | Instagram | Twitter | TikTok | RSS-flöde

Divyansh Jain

Maskininlärningsingenjör, hemläxa och teknikentusiast. På StorageReview leder jag AI och testning av nya arbetsbelastningar, och levererar insikter och prestandaanalyser.