NVIDIA expanderar Cosmos-plattformen för träning av världsmodeller
NVIDIA bygger ut sin Cosmos-plattform med nya träningsverktyg, simuleringsmodeller och så kallade Data Factory-blueprints – det vill säga färdiga mallar för att samla och bearbeta data. Målet är att göra det enklare för utvecklare att bygga världsmodeller (AI-system som kan förstå och simulera den fysiska världen), en teknik som är central för robotik och självkörande fordon. Cosmos-modellerna ska redan ligga i topp fem på sex olika öppna riktmärken (standardiserade prestandatester), vilket ger plattformen en viss trovärdighet.
Djupdykning
Världsmodeller — tänk på det som ett AI-system som faktiskt förstår hur fysiken fungerar, hur objekt rör sig och hur konsekvenser uppstår i den verkliga världen, snarare än att bara känna igen mönster i bilder. Det är exakt det NVIDIA försöker demokratisera med sin Cosmos-plattform, som nu får nya träningsverktyg, simuleringsgenvägar och färdiga blueprints för att hantera träningsdata. Konkret betyder det att en robotikstartup inte längre behöver bygga hela infrastrukturen från noll — de kan hoppa in mitt i processen med förtränade checkpoints och börja finjustera direkt. Det som de flesta missar i snacket om fysisk AI är att flaskhalsen sällan är själva robotarmen eller sensorn, utan bristen på simulerad träningsdata som faktiskt liknar verkligheten tillräckligt för att modellen ska fungera när den lyfts ur datorn. Cosmos positionerar sig som just det saknade lagret mellan råa språkmodeller och fungerande fysiska system — och att de rankar topp fem på sex olika öppna leaderboards signalerar att det inte är tomma ord.