Omniverse'e Doğru: Açık Dünya Modelleri Fiziksel Yapay Zekanın Sınırlarını Nasıl Zorluyor?

Editörün notu: Bu gönderi, geliştiricilerin, 3D uygulayıcılarının ve işletmelerin OpenUSD ve NVIDIA Omniverse'deki en son gelişmeleri kullanarak iş akışlarını nasıl dönüştürebileceklerine odaklanan bir dizi olan Into the Omniverse'nin bir parçasıdır. Temmuz ayında NVIDIA, 200'den fazla şirket ve kuruluşa katılarak "Açık Ağırlıklar ve Amerikan Yapay Zeka Liderliği"ni imzalayarak, yapay zeka liderliğinin tek bir sınır modeliyle değil, açık bir ekosistemin her sektöre ulaşıp ulaşmayacağıyla ölçüleceğini savunan açık bir mektubu imzaladı. Bunu mümkün kılan, herkesin indirebileceği, inceleyebileceği, değiştirebileceği ve kendi altyapısında çalıştırabileceği açık modellerdir. Hiçbir yerde, her dağıtımın bir uzmanlık sorunu olduğu fiziksel yapay zekadan daha önemli olamaz. Fiziksel yapay zekanın sadece görünüşleri değil, sonuçları da anlaması ve tahmin etmesi gerekiyor. Bunu mümkün kılmak için dünya modelleri, fiziksel ortamların nasıl davrandığını, bundan sonra ne olabileceğini ve hangi eylemlerin anlamlı olduğunu öğrenir. Fiziksel olarak temellendirilmiş dünya ve eylem verileri oluşturabilir, gelecekteki durumları simüle edebilir ve ekiplerin bir robot, otonom araç veya görsel yapay zeka sistemi için uzmanlaşabileceği bir temel sağlayabilirler. Açık dünya modelleri halihazırda eğitim verileri oluşturmak, politikaları test etmek ve fiziksel yapay zeka sistemlerini özelleştirmek için kullanılıyor.

NVIDIA Cosmos 3, bu yetenekleri açık bir model ailesinde bir araya getirerek önde gelen kıyaslama sonuçları ve robotik, otonom araçlar ve görsel yapay zeka genelinde benimsenmeyi sağlıyor. Ve NVIDIA Ajan Araç Seti'nin bir parçası olan NVIDIA Omniverse kitaplıkları, fiziksel yapay zeka ekiplerinin gerçek dünya konuşlandırmasından önce sistemleri eğitmek, test etmek ve doğrulamak için kullanabileceği simülasyona hazır dünyalar oluşturmak için önceden oluşturulmuş yetenekler sağlar. Fiziksel yapay zekanın arkasındaki verilerin gereken ölçekte toplanması zor ve pahalıdır. Nadir olayların ve uzun kuyruklu senaryoların güvenli bir şekilde ve tekrar tekrar üretilmesi özellikle zor olabilir. Büyük ölçekli çok modlu senaryolardan fiziksel ilişkileri öğrenerek daha faydalı veriler elde edin. Hava durumuna, ışığa, nesnelere ve yörüngelere göre değişen daha çeşitli ortamlar. Belirli bir robot, araç, sensör konfigürasyonu, görev veya çalışma ortamını geliştirmek ve bunlara uyum sağlamak için daha iyi bir temel. Genel bir model, bir ekibin belirli robotunu, sensörlerini veya çalışma ortamını görmez.