Egy robot valós világra való betanítása kegyetlenül hatástalan folyamat. Mielőtt egy bot megtanulná, hogyan hozza el a papucsodat, előbb meg kell tanítani neki, hogy ne essen le a lépcsőn, ne tévessze össze a macskát egy bolyhos pormacskával, vagy ne zárlatosodjon le az esőben. Ez a képzés drága, időigényes, és tele van a tönkrement hardverek veszélyével. Az NVIDIA, egy cég, amely vagyonokat keresett az AI aranylázhoz lapátokat árulva, úgy döntött, a megoldás az, hogy teljesen leállítja a robotok valós világban való képzését. Ehelyett egy digitális edzőtermet – egy Mátrixot, ha úgy tetszik – épít nekik, ahol gyakorolhatnak.
Lépjen színre az NVIDIA Cosmos, egy új platform, amelyet arra terveztek, hogy hatalmas mennyiségű, fizikailag pontos, szintetikus adatot generáljon, hogy kiképezze a következő generációs „Fizikai AI”-t. Itt nem csupán szép szimulációkról van szó; alapvető „világmodelleket” épít, amelyek intuitív megértést adnak az AI-nak a fizikáról és az okságról. Azzal, hogy a robotok millió életet élhetnek meg egy virtuális birodalomban, ezer évnyi képzést tapasztalhatnak meg napok alatt, minden elképzelhető – és elképzelhetetlen – forgatókönyvből tanulva anélkül, hogy megkarcolnák valós világban a festéküket.
A világmodellek evangéliuma
Az NVIDIA stratégiájának középpontjában a „világmodell” áll, egy olyan koncepció, amelynek célja, hogy az AI-t az egyszerű mintafelismerésből a valódi megértés szintjére emelje. Egy világmodell lehetővé teszi az AI számára, hogy szimulálja az okot és okozatot, lényegében képzelőerőt adva neki. Megkérdezheti, „mi lenne, ha?”, és előre jelezheti tetteinek kimenetelét, ami kritikus képesség minden gép számára, amely a kaotikus, kiszámíthatatlan fizikai világban navigál.
Az előnyök fájdalmasan nyilvánvalóak mindenki számára, aki valaha is nézett már egy robotot, amint látványosan elbukik egy egyszerű feladatban:
- Biztonság: Egy kezdő önvezető jármű tízmilliószor ütközhet egy szimulációban, nulla következménnyel, minden koccanásból tanulva, hogy valójában biztonságosabb vezetővé váljon.
- Skálázhatóság: Lehetetlen valós adatot gyűjteni minden extrém esetre, mint például egy közlekedési kúpot viselő szarvas, amely jégeső idején felugrik az autópályára. A világmodellek igény szerint generálhatják ezt a bizarr, de lehetséges adatot.
- Hatékonyság: Ahelyett, hogy minden egyes műveletet fáradságosan programoznának, a fejlesztők hagyhatják, hogy az AI megerősítéses tanulással tanuljon egy szimulált környezetben, drámaian csökkentve a fejlesztési időt és költségeket.
Ez a Fizikai AI – az az intelligencia, amely képes érzékelni, érvelni és interakcióba lépni az atomok világával, nem csak a bitekkel – alapköve. És az NVIDIA erre a sziklára építi a katedrálist.
Omniverse: A valóság operációs rendszere
Ennek a nagyszabású robotikus színháznak a színpada az NVIDIA Omniverse, egy valós idejű 3D fejlesztési platform, amely digitális ikrek létrehozására szolgáló operációs rendszerként funkcionál. Gondoljunk rá úgy, mint arra az alaprétegre, ahol a fejlesztők fotorealisztikus, fizikailag pontos virtuális világokat építhetnek és szimulálhatnak. Egyetlen raktártól egy egész városig az Omniverse biztosítja az AI számára a képzési környezetet.
Az Omniverse egyik kulcsfontosságú pillére az OpenUSD (Universal Scene Description) alapokon nyugvó felépítése, ez a 3D jelenetleíró technológia, amelyet eredetileg a Pixar fejlesztett ki. Ez nem csupán egy fájlformátum; egy keretrendszer az interoperabilitáshoz, amely lehetővé teszi, hogy különböző eszközökből származó komplex 3D adatok zökkenőmentesen együtt létezzenek és működjenek. Ez a nyílt szabvány megakadályozza a gyártói függőséget és elősegíti az együttműködő ökoszisztémát, ami pontosan az, amire szükség van a világok nagyszabású építéséhez. Az Alliance for OpenUSD, amely olyan óriásokat foglal magában, mint az Apple, az Adobe és az Autodesk az NVIDIA mellett, tanúbizonyság az iparágon belüli fontosságáról.
Cosmos: A világkovács
Ha az Omniverse a színpad, akkor az NVIDIA Cosmos az a generatív AI motor, amely írja a forgatókönyvet, rendezi a szereplőket, és menet közben változtatja a díszletet. Az Omniverse tetejére épült Cosmos egy olyan platform, amelyet Világ Alapmodellekkel (WFMs) – erős AI modellekkel, amelyeket kifejezetten valósághű világadatok generálására és manipulálására képeztek ki – fegyvereztek fel. Ez az a rendszer, amely életet és végtelen variabilitást lehel a digitális ikrekbe.
A Cosmos egy eszközkészletet biztosít az edzésadatok létrehozásának automatizálására és skálázására. Két legerősebb komponense a Cosmos Predict és a Cosmos Transfer.
Cosmos Predict és Cosmos Transfer
A Cosmos Predict a platform jósdája. Adhatunk neki egy parancsot – szöveget, képet vagy videóklippet –, és az fizikailag konzisztens videót generál arról, mi történik ezután. Például egy fejlesztő betáplálhat neki egy utcasarok képét, és megkérheti, hogy generáljon egy 30 másodperces szimulációt arról, hogy „egy szállítóautó áthajt a piroson hóvihar idején”. A modell generálja a jelenetet, teljesen pontos fizikával, világítással és többkamerás perspektívákkal.
A Cosmos Transfer ezzel szemben egy adatnövelési erőmű. Egyetlen szimulációt vesz, és ezerféle variációvá mixeli át. Az a videó, amely egy raktárban navigáló robotról szól, azonnal átalakítható különböző világítási (nappal, éjszaka, vibráló fénycsövek), időjárási körülmények vagy felületi textúrák forgatókönyveivé. Ez a folyamat robusztus adatkészletet hoz létre, amely kiképzi az AI-t a valós körülmények széles skálájának kezelésére.
Több mint puszta szimuláció
Az NVIDIA nagyszabású víziója világos: már nem csak GPU-kat árul. A következő hullámú fizikai AI fejlesztésének, képzésének és telepítésének teljes vertikálisan integrált láncolatát építi. Azzal, hogy biztosítja a hardvert (GPU-k), a szimulációs környezetet (Omniverse), és a generatív AI-t az adatok létrehozásához (Cosmos), az NVIDIA egy olyan erőteljes ökoszisztémát hoz létre, amely nélkülözhetetlenné válhat bárki számára, aki robotokat vagy autonóm rendszereket épít.
Ez a lépés a robotika legnagyobb szűk keresztmetszetét orvosolja: a minőségi, diverz képzési adatok beszerzését. Azzal, hogy az adatot olyan árucikké változtatja, amelyet tetszés szerint lehet generálni, az NVIDIA drámaian csökkenti a belépési küszöböt és felgyorsítja az innováció ütemét. A hatása óriási, és ígéri, hogy felgyorsítja az előrelépéseket az autonóm logisztikától és gyártástól kezdve a háztartási robotikáig és azon túl is. Az esetlen, előre programozott automaták kora véget ér. A szimulált, világot ismerő robotok korszaka most kezdődik. És úgy tűnik, szintetikus bárányokról álmodnak majd, NVIDIA chipen generálva.
