NVIDIA-ს Cosmos™ სამყაროს ფუნდამენტური მოდელების (WFMs) უახლესი დამატება, Cosmos Transfer, წარმოგიდგენთ კონტროლისა და სიზუსტის ახალ დონეს ვირტუალური სამყაროს სცენების გენერირებაში. 7 მილიარდი პარამეტრის ზომის ეს მოდელი იყენებს მულტიკონტროლს მაღალი სიზუსტის სამყაროს სცენების გენერირებისთვის სტრუქტურული შეტანის მონაცემებიდან, რაც უზრუნველყოფს ზუსტ სივრცით განლაგებას და სცენის კომპოზიციას. მოდელი აგებულია ცალკეული ControlNets-ის ვარჯიშით ყოველი სენსორული მოდალობისთვის, რომელიც გამოიყენება სიმულირებული სამყაროს აღსაბეჭდად. შეტანის ტიპები მოიცავს 3D შემზღუდველი ყუთის რუკას, ტრაექტორიის რუკას, სიღრმის რუკას და სეგმენტაციის რუკას. Cosmos Transfer-ის გამოსავალი არის მრავალფეროვანი გარემო და ამინდის პირობები. Cosmos Transfer, NVIDIA Omniverse პლატფორმასთან ერთად, განაპირობებს კონტროლირებადი სინთეზური მონაცემების გენერირებას რობოტიკისა და ავტონომიური მანქანების განვითარებისთვის მასშტაბით. Cosmos Transfer-ის მეტი მაგალითის ნახვა შესაძლებელია GitHub-ზე. Cosmos Transfer-ის ნიმუშები, რომლებიც შექმნილია პოსტ-ვარჯიშის საბაზისო მოდელის გამოყენებით, ასევე ხელმისაწვდომია ავტონომიური მანქანებისთვის. NVIDIA-მ ასევე გამოუშვა Physical AI Dataset, ღია კოდის მონაცემთა ნაკრები Hugging Face-ზე ფიზიკური AI-ს განვითარებისთვის. ეს კომერციული დონის, წინასწარ ვალიდირებული მონაცემთა ნაკრები მოიცავს 15 ტერაბაიტ მონაცემს, რომელიც წარმოადგენს 320 000-ზე მეტ ტრაექტორიას რობოტიკის ვარჯიშისთვის, ასევე 1000-მდე უნივერსალური სცენის აღწერის (OpenUSD) აქტივს, SimReady კოლექციის ჩათვლით. მონაცემთა ნაკრები შექმნილია პოსტ-ვარჯიშის ფუნდამენტური მოდელებისთვის, როგორიცაა Cosmos Predict სამყაროს ფუნდამენტური მოდელები, რაც დეველოპერებს უზრუნველყოფს მაღალი ხარისხის, მრავალფეროვან მონაცემებს მათი AI მოდელების გასაუმჯობესებლად. კიდევ ერთი ამაღელვებელი განცხადებაა NVIDIA Isaac GR00T N1-ის გამოშვება, მსოფლიოში პირველი ღია ფუნდამენტური მოდელი განზოგადებული ჰუმანოიდური რობოტების მსჯელობისა და უნარებისთვის. ეს მრავალფორმატიანი მოდელი იღებს მულტიმოდალურ შეტანის მონაცემებს, ენისა და გამოსახულებების ჩათვლით, სხვადასხვა გარემოში მანიპულირების ამოცანების შესასრულებლად. NVIDIA Isaac GR00T-N1-2B მოდელი ხელმისაწვდომია Hugging Face-ზე. Isaac GR00T N1 გაწვრთნილია ვრცელ ჰუმანოიდურ მონაცემთა ნაკრებზე, რომელიც შედგება რეალურად აღბეჭდილი მონაცემებისგან, NVIDIA Isaac GR00T Blueprint-ის კომპონენტების გამოყენებით გენერირებული სინთეზური მონაცემებისგან და ინტერნეტის მასშტაბის ვიდეო მონაცემებისგან. ის ადაპტირებადია პოსტ-ვარჯიშის გზით კონკრეტული განხორციელებების, ამოცანებისა და გარემოსთვის. Isaac GR00T N1 იყენებს ერთ მოდელსა და წონების ერთ კომპლექტს, რათა შესაძლებელი გახადოს მანიპულირების ქცევები სხვადასხვა ჰუმანოიდურ რობოტებზე, როგორიცაა Fourier GR-1 და 1X Neo. ის აჩვენებს მტკიცე განზოგადებას ამოცანების ფართო სპექტრზე, მათ შორის ობიექტების ერთი ან ორივე ხელით დაჭერასა და მანიპულირებაზე, ასევე ნივთების ხელებს შორის გადატანაზე. მას ასევე შეუძლია შეასრულოს რთული, მრავალსაფეხურიანი ამოცანები, რომლებიც მოითხოვს მდგრად კონტექსტურ გაგებასა და მრავალფეროვანი უნარების ინტეგრაციას. ეს შესაძლებლობები მას შესაფერისს ხდის მასალების დამუშავების, შეფუთვისა და ინსპექტირების პროგრამებისთვის. Isaac GR00T N1-ს აქვს ორმაგი სისტემის არქიტექტურა, რომელიც შთაგონებულია ადამიანის შემეცნებით. პოსტ-ვარჯიში არის ავტონომიური სისტემების წინსვლის გზა, რომელიც ქმნის სპეციალიზებულ მოდელებს ქვემდებარე ფიზიკური AI ამოცანებისთვის. იხილეთ GitHub Cosmos Predict-ისა და Cosmos Transfer-ის ინფერენციის სკრიპტებისთვის. დამატებითი ინფორმაციისთვის გაეცანით Cosmos Transfer-ის კვლევით ნაშრომს. NVIDIA Isaac GR00T-N1-2B მოდელი ხელმისაწვდომია Hugging Face-ზე. ნიმუშის მონაცემთა ნაკრები და PyTorch სკრიპტები პოსტ-ვარჯიშისთვის მორგებული მომხმარებლის მონაცემთა ნაკრებების გამოყენებით, რომლებიც თავსებადია Hugging Face LeRobot ფორმატთან, ხელმისაწვდომია GitHub-ზე. Isaac GR00T N1 მოდელის შესახებ მეტი ინფორმაციისთვის იხილეთ კვლევითი ნაშრომი. მეტი განახლებისთვის მიჰყევით NVIDIA-ს Hugging Face-ზე.