NVIDIA Cosmos genişledi: dünya modelleri için yeni veri ve eğitim araçları

NVIDIA, Cosmos platformını dünya modelleri geliştiren ekipler için yeni veri hazırlama, eğitim ve simülasyon araçlarıyla genişletti. Şirket duyuruyu 22 Ekim’de blogunda yayımladı; güncellemelerin bir bölümü GTC Berlin’deki açıklamalar kapsamında sunuldu. NVIDIA’ya göre Cosmos, fiziksel yapay zekâ sistemlerinin gerçek dünyayı anlaması ve simüle etmesi için veri, model ve optimizasyon araçlarını bir araya getiriyor.

Veri hazırlama için beş iş akışı taslağı

Cosmos Data Factory; veriyi etiketleme, düzenleme, çeşitlendirme ve değerlendirme süreçlerini ölçeklendirmeye odaklanıyor. Video eğitim kümelerini GPU ile düzenleyen Cosmos Curator da çok kipli ve çok duyulu girdilerle bunları işleyen yeni blokları destekliyor.

Data Factory, GitHub, Microsoft Azure, Nebius ve CoreWeave üzerinden sunulan beş bulut yerel blueprint içeriyor. Bu hazır iş akışları farklı veri hazırlama ihtiyaçlarını hedefliyor:

• Otonom araç çalışmalarında sürüş kayıtları düzenlenip etiketleniyor; az rastlanan veya kayda alınması zor durumlar için ek örnekler üretilebiliyor.

• Görsel öznitelik artırma akışı, nesnelerin görünüşünü değiştirerek görsel arama için daha çeşitli içerik oluşturuyor.

• Olay videosu taslağı, tekil görüntülerden nadir ya da güvenlik açısından riskli durumları gösteren hareketli örnekler hazırlıyor.

• Kusur görseli üretimi, devre kartı, metal ve cam üzerindeki hatalara ilişkin denetim verisi oluşturmayı hedefliyor.

• Video artırma iş akışı, görüntülerdeki hava ve aydınlatma koşullarını değiştirirken sahnenin genel düzenini koruyor.

NVIDIA’nın aktardığına göre Porsche, Volkswagen Group markaları arasında ortak bir otonom araç veri döngüsü geliştirmek için Cosmos Data Factory’den Voxel51 ve Microsoft Azure aracılığıyla yararlanıyor. Şirket, bu yaklaşımın tekrarlanan fiziksel test sürüşlerini yüzde 90’a, geliştirme sürelerini de yüzde 85’e kadar azaltmasının beklendiğini belirtiyor. Bu oranlar NVIDIA’nın paylaştığı öngörüler; duyuruda bağımsız bir ölçüm olarak verilmemiş.

Model eğitimi ve optimizasyon

Cosmos Framework, model eğitimi ve optimizasyonu için açık ve modüler bir yapı olarak tanımlanıyor. NVIDIA, geliştiricilerin GR00T, Alpamayo, QWEN ve Pi0.5 gibi açık modelleri ince ayar veya pekiştirmeli öğrenmeyle uyarlayabileceğini söylüyor. Uyumlu Hugging Face modelleri de bu araçlarla çalışabiliyor. Eğitim sonrasında modeller damıtma ve nicemleme yöntemleriyle optimize edilip dağıtıma hazırlanabiliyor.

Duyuruda verilen MicroAGI örneğinde Cosmos 3, insanların nesnelerle etkileşimini gösteren videolarla yeniden eğitildi. Ardından 32 milyar parametreli akıl yürütme modeli, doğrulukta kayıp olmadığı belirtilerek 8 milyar parametreli Nano modele damıtıldı. Bu sonuç, şirketin paylaştığı belirli bir uygulamaya ait; diğer modellerde veya görevlerde aynı sonucun alınacağını göstermiyor.

Simülasyon ve tasarım iş akışlarına etkisi

Cosmos 3 Nano’nun yeni simülasyon varyantları, otonom araçlar ve çift kollu robotlar için geliştirilen politikaların tekrarlanabilir, çok açılı ve çok duyulu senaryolarda denenmesine yönelik. NVIDIA ayrıca, doğrulanmış yapılandırmalarda Cosmos 3 NIM mikro hizmetlerinin kalite kaybı olmadan iki kata kadar daha hızlı çıkarım sunduğunu bildiriyor. Video arama ve özetleme için Metropolis Blueprint 3.3’ün ise aynı GPU ile yüzde 40 daha fazla video akışını izlemeye yardımcı olduğu belirtiliyor.

Mimarlık ve iç mekân tasarımı ekipleri açısından duyuru, yeni bir modelleme veya görselleştirme özelliği sunmuyor. Buna karşılık, bina ve tesis denetimi gibi fiziksel ortam verisiyle çalışan projelerde sentetik kusur ya da olay verisi üretimi değerlendirilebilir. Archviz sanatçıları için duyuruda belirli yazılım entegrasyonları veya donanım gereksinimleri açıklanmıyor. Bu nedenle bir iş akışına geçmeden önce kullanılan araçlarla uyumluluk, GPU ihtiyacı ve ilgili hizmetlere erişim koşulları doğrulanmalı.