国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

NVIDIA Cosmos加速機器人和自動駕駛汽車物理AI發展

NVIDIA英偉達企業解決方案 ? 來源:NVIDIA英偉達企業解決方案 ? 2025-04-24 11:01 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

“洞悉 Omniverse”系列文章將重點介紹藝術家、開發者和企業如何使用通用場景描述和 NVIDIA Omniverse 的最新技術改變其工作流程。

NVIDIA Cosmos 通過可預測未來世界狀態的世界基礎模型加速物理 AI 的發展。

物理 AI 是 AI 的下一個風口。物理 AI 模型不但能夠理解指令,還能夠在現實世界中進行感知和交互并執行復雜的動作,因此可用于驅動機器人自動駕駛汽車等自主機器。

物理 AI 模型理解世界和生成動作的方式類似于大語言模型處理和生成文本的方式。為此,物理 AI 模型必須在仿真模擬環境中接受訓練,以便理解重力、摩擦力、慣性等物理動力學知識、幾何和空間關系以及因果原理。

全球軟件開發和專業服務領域的領先企業正在使用 OpenUSD 驅動的 NVIDIA Omniverse 構建新產品和服務。這些產品和服務將加速 AI 和可控模擬仿真的發展,幫助企業創建被稱為數字孿生的逼真虛擬世界,并利用數字孿生所具有的空前精度與細節訓練物理 AI。

使用 Omniverse 和 NVIDIA Cosmos

成倍生成合成數據

NVIDIA 在 CES 上發布的生成式 AI 模型和藍圖將 Omniverse 更加深入地集成到機器人、自動駕駛汽車、視覺 AI 等物理 AI 應用中。

NVIDIA Cosmos 是一個由先進生成式世界基礎模型、高級 tokenizer、護欄和加速視頻處理管線組成的平臺。該平臺的所有組成部分都是為了加速物理 AI 的開發。

7de83118-1f6c-11f0-9310-92fbcf53809c.png

物理 AI 模型的開發過程不僅成本高昂、資源和時間耗費巨大,而且還需要大量現實數據和進行大量實際測試。Cosmos 的世界基礎模型(WFM)基于多模態輸入以視頻的形式預測未來世界的狀態,使開發者能夠輕松生成大量逼真、基于物理學的合成數據,并使用這些數據訓練和評估用于機器人、自動駕駛汽車與機器的 AI。開發者還可以通過微調 Cosmos WFM,建立下游世界模型或提高特定物理 AI 用例的質量和效率。

在與 Omniverse 搭配使用時,Cosmos 可創建一個強大的合成數據倍增引擎。開發者可以使用 Omniverse 創建 3D 場景,然后將輸出結果輸入 Cosmos 生成可控的視頻和變化。它能夠成倍快速生成涵蓋各種環境和交互的訓練數據,大幅加快自動駕駛汽車和機器人等物理 AI 系統的開發速度。

使用 OpenUSD 可以將這些場景中的數據無縫整合并以統一的方式呈現,提高仿真模擬的真實性與有效性。

Cosmos 的首批用戶中有多家領先的機器人和汽車公司,包括 1X、Agile Robots、Agility Robotics、Figure AI、Foretellix、Fourier、Galbot、Hillbot、IntBot、Neura Robotics、Skild AI、Virtual Incision、Waabi 和小鵬,以及共享出行巨頭 Uber。

Cosmos 在物理 AI 用例中的應用

Cosmos WFM 提供了一個為各種應用開發、訓練和部署大規模 AI 模型的統一框架,為各行各業帶來了變革。例如汽車、工業和機器人領域的企業現在能夠運用生成式物理 AI 和仿真模擬的力量加快創新并提高運營效率。

人形機器人:適用于合成運動生成的 NVIDIA Isaac GR00T Blueprint 幫助開發者生成海量合成運動數據集,以便使用模仿學習訓練人形機器人。借助 GR00T 工作流,用戶可以捕捉人類動作并使用 Cosmos 將數據集的規模和種類增加數倍,使其更加適合用于訓練物理 AI 系統。

自動駕駛汽車:Omniverse Sensor RTX API 驅動的自動駕駛汽車(AV)仿真使自動駕駛汽車開發者能夠播放駕駛數據、生成新的 ground-truth 數據和進行閉環測試,從而加快開發流程。開發者可以使用 Cosmos 生成合成駕駛場景,令訓練數據成倍增加,加快自動駕駛汽車物理 AI 模型的開發速度。全球共享出行巨頭 Uber 正在與 NVIDIA 合作,共同加速自動駕駛汽車的發展。Uber 能夠提供的豐富駕駛數據集,結合 Cosmos 和 NVIDIA DGX Cloud,幫助自動駕駛汽車伙伴更加高效地構建更強大的 AI 模型。

工業:Mega 是一種 Omniverse Blueprint,用于在基于 USD 的數字孿生中大規模開發、測試和優化將被部署到工廠和倉庫的物理 AI 與機器人機隊。該藍圖使用 Omniverse Cloud Sensor RTX API 同時渲染來自各類智能機器的多傳感器數據,實現大規模、高保真的傳感器仿真。Cosmos 通過生成合成邊緣案例場景來豐富訓練數據,大大提高了使用 Mega 在仿真中訓練機器人的效果和效率。供應鏈方案提供商 KION Group 是首批使用 Mega 推動零售、消費品包裝、包裹服務等行業倉庫自動化的企業之一。

進入 OpenUSD 的世界

關于 Cosmos 的更多信息,請觀看 NVIDIA 首席執行官黃仁勛 CES 主題演講回放視頻,并開始使用 Cosmos WFM。Cosmos WFM 現在可通過 Hugging Face 和 NVIDIA NGC 產品目錄上的開放模型許可證獲得。

通過 NVIDIA 深度學習培訓中心為 3D 開發者和從業者免費提供的全新 Learn OpenUSD 自學課程,了解如何持續優化 OpenUSD 工作流。有關 OpenUSD 的更多資源,請訪問 OpenUSD 論壇聯盟和 AOUSD 網站。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 機器人
    +關注

    關注

    213

    文章

    31073

    瀏覽量

    222162
  • NVIDIA
    +關注

    關注

    14

    文章

    5592

    瀏覽量

    109715
  • 自動駕駛
    +關注

    關注

    793

    文章

    14879

    瀏覽量

    179779

原文標題:洞悉 Omniverse:OpenUSD 工作流推動機器人和自動駕駛汽車物理 AI 的發展

文章出處:【微信號:NVIDIA-Enterprise,微信公眾號:NVIDIA英偉達企業解決方案】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    利用NVIDIA Cosmos開放世界基礎模型加速物理AI開發

    NVIDIA 最近發布了 NVIDIA Cosmos 開放世界基礎模型(WFM)的更新,旨在加速物理 A
    的頭像 發表于 12-01 09:25 ?1130次閱讀

    NVIDIA技術加速具身智能機器人高效落地

    AI 技術正加速從數字世界延伸至現實物理世界,推動智能系統進入“物理 AI”時代。隨著機器人
    的頭像 發表于 10-29 16:56 ?1205次閱讀

    NVIDIA 利用全新開源模型與仿真庫加速機器人研發進程

    。 ? 借助全新的 NVIDIA Cosmos 世界基礎模型,開發者可以生成多樣化數據,從而大規模加速物理 AI 模型的訓練。 ? 來自斯
    的頭像 發表于 09-30 09:52 ?3065次閱讀
    <b class='flag-5'>NVIDIA</b> 利用全新開源模型與仿真庫<b class='flag-5'>加速</b><b class='flag-5'>機器人</b>研發進程

    NVIDIA三臺計算機解決方案如何協同助力機器人技術

    NVIDIA DGX、基于 NVIDIA RTX PRO 服務器的 Omniverse 和 Cosmos,以及 Jetson AGX Thor,正全面加速從人形
    的頭像 發表于 08-27 11:48 ?2401次閱讀

    基于 NVIDIA Blackwell 的 Jetson Thor 現已發售,加速通用機器人時代的到來

    ·專為物理 AI機器人打造的機器人計算機 NVIDIA Jetson AGX Thor 開發者套件和量產級模組,現已發售。 ·超過 20
    發表于 08-26 09:28 ?1299次閱讀
    基于 <b class='flag-5'>NVIDIA</b> Blackwell 的 Jetson Thor 現已發售,<b class='flag-5'>加速</b>通用<b class='flag-5'>機器人</b>時代的到來

    NVIDIA通過全新 Omniverse庫、Cosmos物理AI模型及AI計算基礎設施,為機器人領域開啟新篇章

    NVIDIA 通過全新 Omniverse 庫、Cosmos 物理 AI 模型及 AI 計算基礎設施,為
    的頭像 發表于 08-12 11:29 ?1771次閱讀
    <b class='flag-5'>NVIDIA</b>通過全新 Omniverse庫、<b class='flag-5'>Cosmos</b><b class='flag-5'>物理</b><b class='flag-5'>AI</b>模型及<b class='flag-5'>AI</b>計算基礎設施,為<b class='flag-5'>機器人</b>領域開啟新篇章

    利用NVIDIA Cosmos模型訓練通用機器人

    機器人領域的一大核心挑戰在于如何讓機器人掌握新任務,而無需針對每個新任務和環境耗費大量精力收集和標注數據集。NVIDIA 的最新研究方案通過生成式 AI、世界基礎模型(如
    的頭像 發表于 08-05 16:22 ?2109次閱讀
    利用<b class='flag-5'>NVIDIA</b> <b class='flag-5'>Cosmos</b>模型訓練通用<b class='flag-5'>機器人</b>

    通過NVIDIA Cosmos模型增強機器人學習

    通用機器人的時代已經到來,這得益于機械電子技術和機器人 AI 基礎模型的進步。但目前機器人技術的發展仍面臨一個關鍵挑戰:
    的頭像 發表于 07-14 11:49 ?1080次閱讀
    通過<b class='flag-5'>NVIDIA</b> <b class='flag-5'>Cosmos</b>模型增強<b class='flag-5'>機器人</b>學習

    安森美助力NVIDIA AI系統檢測實驗室

    物理AI正在為自動駕駛機器人開發技術的交叉領域釋放新的可能性,尤其是加速自動駕駛
    的頭像 發表于 07-10 16:21 ?815次閱讀

    NVIDIA GTC巴黎亮點:全新Cosmos Predict-2世界基礎模型與CARLA集成加速智能汽車訓練

    。這種向使用大模型的過渡大大增加了對用于訓練、測試和驗證的高質量、基于物理學傳感器數據的需求。 為加速下一代輔助駕駛架構的開發,NVIDIA 發布了?
    的頭像 發表于 06-12 10:00 ?1092次閱讀

    NVIDIA 通過云端至機器人計算平臺驅動人形機器人技術,賦能物理 AI

    。 ? 包括 Agility Robotics、波士頓動力、傅利葉、Foxlink、銀河通用、Mentee Robotics、NEURA Robotics、General Robotics、Skild AI 和小鵬機器人在內的多家人形
    發表于 05-19 17:53 ?1768次閱讀
    <b class='flag-5'>NVIDIA</b> 通過云端至<b class='flag-5'>機器人</b>計算平臺驅動人形<b class='flag-5'>機器人</b>技術,賦能<b class='flag-5'>物理</b> <b class='flag-5'>AI</b>

    “兩會”熱議“機器人和飛行汽車”,核心動力電機可能會火

    飛行汽車、人形機器人自動駕駛汽車,在中國經濟邁入高質量發展階段后,這些高科技產品成為推動國內經濟發展
    發表于 03-31 13:35

    NVIDIA Halos自動駕駛汽車安全系統發布

    NVIDIA 整合了從云端到車端的安全自動駕駛開發技術套件,涵蓋車輛架構到 AI 模型,包括芯片、軟件、工具和服務。 物理 AI 正在為
    的頭像 發表于 03-25 14:51 ?1173次閱讀

    英偉達GTC2025亮點 NVIDIA推出Cosmos世界基礎模型和物理AI數據工具的重大更新

    新模型可實現物理 AI 的預測、可控世界生成和推理。 兩款全新Blueprint為機器人和自動駕駛汽車后訓練提供海量
    的頭像 發表于 03-20 19:01 ?1334次閱讀

    理想汽車推出全新自動駕駛架構

    2025年3月18日,理想汽車自動駕駛技術研發負責人賈鵬在NVIDIA GTC 2025發表主題演講《VLA:邁向自動駕駛物理智能體的關鍵一
    的頭像 發表于 03-19 14:12 ?1092次閱讀