NVIDIA rozszerza platformę Cosmos o nowe narzędzia do danych, trenowania i wdrażania modeli świata
W skrócie: NVIDIA rozbudowała platformę Cosmos, przeznaczoną do tworzenia „modeli świata” dla fizycznej sztucznej inteligencji i robotyki, dodając nowe szablony do generowania danych, możliwości dostosowywania modeli oraz szybsze wdrażanie. Aktualizacja obejmuje pięć szablonów Cosmos Data Factory do syntetycznych i wzbogaconych danych treningowych, rozszerzone wsparcie Cosmos Framework dla dostosowywania otwartych modeli, takich jak GR00T, Alpamayo, QWEN i Pi0.5, oraz zaktualizowane mikroserwisy Cosmos 3 NIM. Firmy takie jak Porsche, ANYbotics, Ultralytics i ADNOC już wykorzystują te narzędzia do generowania danych dla pojazdów autonomicznych, wykrywania anomalii przez roboty, kontroli defektów i monitoringu bezpieczeństwa.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „NVIDIA”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Pięć nowych szablonów Cosmos Data Factory obejmuje generowanie danych dla pojazdów autonomicznych, augmentację atrybutów obrazów, syntezę wideo rzadkich zdarzeń, generowanie obrazów defektów oraz augmentację danych pogodowych/oświetleniowych
- 2Cosmos Framework pozwala teraz na dostrajanie i optymalizację otwartych modeli, w tym GR00T, Alpamayo, QWEN, Pi0.5 oraz innych architektur zgodnych z Hugging Face
- 3Nowe warianty Cosmos 3 Nano umożliwiają testowanie polityk pojazdów autonomicznych i robotów w symulacji przed wdrożeniem w realnym świecie
- 4Zaktualizowane mikroserwisy Cosmos 3 NIM działają około dwukrotnie szybciej bez spadku jakości w testowanych konfiguracjach
- 5Szablon Metropolis Video Search and Summarization 3.3, oparty na Cosmos NIM, pozwala zespołom monitorować o 40% więcej strumieni wideo przy tej samej mocy GPU
| Parametr | Było | Jest |
|---|---|---|
| Szybkość inferencji | Bazowy poziom mikroserwisów Cosmos 3 NIM | Do 2x szybciej w zatwierdzonych konfiguracjach, bez utraty jakości |
| Rozmiar modelu (przypadek MicroAGI) | Model wnioskujący 32 mld parametrów | Zdestylowany do modelu Nano 8 mld parametrów, bez utraty dokładności |
| Monitorowanie strumieni wideo (Metropolis VSS 3.3) | Bazowa przepustowość GPU | O 40% więcej strumieni monitorowanych przy tym samym GPU |
Dlaczego to ważne?
Dla zespołów budujących systemy robotyczne, pojazdy autonomiczne lub wizję przemysłową obniża to barierę w generowaniu realistycznych syntetycznych danych treningowych i testowaniu polityk w symulacji przed kosztownymi testami w realnym świecie, a szybsza inferencja NIM i wyższa gęstość strumieni wideo obniżają koszty wdrożenia.
Co to oznacza dla agentów AI i contact center?
To wydanie koncentruje się na robotyce, pojazdach autonomicznych i modelach wizyjnych świata fizycznego, a nie na konwersacyjnej sztucznej inteligencji głosowej, rozpoznawaniu mowy czy automatyzacji contact center, więc ma niewielkie bezpośrednie zastosowanie w przepływach pracy agentów telefonicznych.
Źródła
- NVIDIAOficjalneŹródło pierwotneOryginalny artykuł →„NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models“22 paź 2026, 08:00Licencja: robots.txt Content-Signal: ai-input=yes · nasze podsumowanie (treść zmieniona)
- Data publikacji źródła
- 22 paź 2026, 08:00
- Znalezione przez nasz system
- 22 paź 2026, 08:26
- Podsumowanie wygenerowano
- 22 paź 2026, 08:27
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność