Nvidia Cosmos 3 Edge: reāllaika multimodālu robotikā apziņa

Roboti, kas var "redzēt" ražotnes grīdu un reaģēt ātrāk nekā cilvēks paspēj mirkt, vairs nav zinātniskā fantastika. Nvidia tikko izlaida Cosmos 3 Edge, kompakts, bet jaudīgs pasaules modelis mākslīgā intelekta lietojumiem, paredzēts, lai nodrošinātu iekārtām tūlītēju situācijas izpratni.

Ar aptuveni četriem miljardiem parametru Cosmos 3 Edge pieder pie pasaules modeļu saimes, kas apvieno kameru, lidara, taustes un citu sensoru plūsmas, lai izveidotu koherentus un izmantošanai piemērotus vietas priekšstatus. Domājiet par tiem kā telpiskām smadzenēm, nevis valodas papagaiļiem. Atšķirībā no lielajiem valodas modeļiem, kas apstrādā tekstu, pasaules modeļi pārstrādā netīro, multimodālo reālās pasaules trokšņainību un mācās no tās.

Nvidia norāda, ka izstrādātāji var pielāgot Cosmos 3 Edge konkrētiem robotiem, transportlīdzekļiem vai sensoru konfigurācijām aptuveni dienas laikā, izmantojot NVIDIA Cosmos platformu. Galvenais vārds ir vieglums: modelis darbojas uz dažādām GPU, padarot izvietošanu malā reālistisku, nevis tikai teorētisku. Ātrāka iterācija. Mazāk aparatūras galvassāpju. Labāka reāllaika navigācija un uztvere autonomām automašīnām, rūpniecības robotiem un viedajiem sensoriem.

Cosmos 3 Edge nav izolēts produkts. Tas seko plašākam Cosmos 3 laidienam, ko Nvidia paziņoja maijā, un iederas stratēģijā, kas fiziskās vides uzskata par nākamo lielo AI robežu. Kāpēc? Jo inteliģence, kas paliek mākonī, nespēj pietiekami ātri reaģēt uz nokritušu kasti, klaiņojošu bērnu vai mainīgu ceļa segumu. Lokalizēti, multimodāli modeļi maina šo aprēķinu.

Jensen Huang izmantoja prezentāciju, lai uzsvērtu globālu iniciatīvu: Japānas vizītes laikā viņš atklāja sadarbību ar rūpniecības milžiem, piemēram, Fujitsu, Hitachi un Kawasaki Heavy Industries. Ziņa bija tieša un optimistiska, norādot, ka šis ir laiks valstīm ar dziļu ražošanas pieredzi pārstrukturēt ražošanu inteliģento mašīnu un savienotu rūpnīcu ērā.

Tirgus konteksts ir svarīgs. Tirdzniecības organizāciju aplēses liecina, ka Japānas AI tirgus līdz 2029. gadam varētu sasniegt desmitiem miljardu dolāru, un Tokija jau virza politiku un investīcijas uz infrastruktūru un rūpniecisku ieviešanu. Nvidia plāni pārsniedz tikai robotiku. Japānā uzņēmums virzās arī biotehnoloģiju un zāļu atklāšanas jomā, nodrošinot skaitļošanas resursus un rīkus Tokyo‑1 farmācijas konsorcijam, kuru vada uzņēmums Zivorka, un izmantojot Nvidia BioNeMo Agent Toolkit molekulārajām simulācijām.

Tas ir vēl viens signs, ka AI pāriet no ekrāniem uz fizisko pasauli, kur dominē latentums, drošība un multimodāla izpratne. Tagad jautājums vairs nav, vai mašīnas spēj kartēt telpas reāllaikā, bet gan, ko mēs būvēsim, kad tās to spēs.