NVIDIA 的 Omniverse 创新通过合成数据推动物理 AI

NVIDIA 在其 Omniverse 平台上的最新进展将彻底改变物理 AI 模型的开发。这些模型对于机器人的运行、自动驾驶汽车和其他智能机器的操作至关重要，需要安全和通用的数据以便在动态的现实场景中有效运行。根据 NVIDIA 的官方博客，与利用大量互联网数据集的语言模型不同，物理 AI 模型需要以现实世界经验为基础的数据。

合成数据生成的进展

获取足够现实世界数据的挑战促使 NVIDIA 加强了其合成数据生成能力。该公司最近更新了其 NVIDIA Cosmos 开放世界基础模型（WFMs），以简化物理 AI 模型的测试和验证过程中数据生成的流程。通过使用 NVIDIA Omniverse 库和 Cosmos，开发者可以大规模生成合成数据，有效弥合模拟与现实之间的鸿沟。

其中一个关键更新，Cosmos Predict 2.5，将 Text2World、Image2World 和 Video2World 模型合并为一个统一的框架，能够从单个图像、视频或提示生成多摄像头的视频世界。此创新允许创建一致且可控的合成环境，增强 AI 模型的训练和验证。

集成与应用

这些 WFMs 被无缝集成到合成数据管道中，使用 NVIDIA Isaac Sim 开源机器人模拟框架。这一集成能够生成逼真的视频，大幅减少从模拟到实际的差距。Skild AI 和 Serve Robotics 等公司已经在利用这些技术来提升其机器人解决方案。Skild AI 使用 Cosmos Transfer 来多样化测试机器人策略的数据，而 Serve Robotics 联合使用合成数据和现实数据训练其自动送货机器人。

此外，Serve Robotics 已成功部署了在公共空间中最大的自主机器人车队之一，完成了超过 100,000 次运送。公司收集了包括图像-激光雷达样本在内的大量数据，进一步完善其模型，展示了 NVIDIA 合成数据创新的实际应用。

更广泛的影响与未来前景

除了机器人技术，合成数据在各个行业都表现出优势。例如，模拟为先的机器人解决方案提供商 Lightwheel 使用 SimReady 资产和大规模合成数据集以确保在模拟中训练的机器人在现实条件下能有效运行。此外，数据科学家 Santiago Villa 利用 Omniverse 库中的合成数据改善采矿运营，通过提高巨石检测系统减少运行停机时间。

随着 NVIDIA 继续完善其 Omniverse 平台和合成数据能力，AI 和机器人技术的进步潜力依然巨大。通过为开发者提供创建强大、真实世界准备的 AI 模型的工具，NVIDIA 正在为一个智能机器与人类无缝协作的未来铺平道路。