NVIDIA از ابزارها و همانند سازی‌های تازه هوش مصنوعی برای گسترش رباتیک رونمایی کرد_مجله رشد

NVIDIA ابزارها و گردش کارهای جدیدی در عرصه هوش مصنوعی و همانند‌سازی را معارفه کرده است تا به گسترش‌دهندگان رباتیک پشتیبانی کند تا کار خود را در عرصه ربات‌های هوش مصنوعی به شدت تسریع کنند.

به نقل از سرویس اخبار فناوری رسانه تکنولوژی تکنا، این مجموعه که این هفته در کنفرانس یادگیری رباتیک (CoRL) در مونیخ آلمان رونمایی شد، شامل دسترسی عمومی به چارچوب یادگیری رباتیک NVIDIA Isaac Lab و شش گردش کار تازه یادگیری ربات انسان‌نما برای پروژه GR00T است که ابتکاری برای تسریع گسترش ربات‌های انسان‌نما است.

این شرکت این چنین ابزارهای تازه گسترش مدل‌های جهانی برای پردازش و مدیریت داده‌های ویدیویی را رونمایی کرد، از جمله توکن‌ساز NVIDIA Cosmos و NVIDIA NeMo Curator برای پردازش ویدیو. جیم فان، مدیر ارشد تحقیقات هوش مصنوعی در NVIDIA، او گفت: «ربات‌های انسان‌نما موج بعدی هوش مصنوعی تجسم‌یافته می باشند. تیم‌های تحقیق و مهندسی NVIDIA در سراسر شرکت و اکوسیستم گسترش‌دهندگان ما با هم همکاری می‌کنند تا پروژه GR00T را بسازند و به پیشرفت و گسترش گسترش‌دهندگان جهانی ربات‌های انسان‌نما پشتیبانی کنند.»

این شرکت ادعا کرد که شش گردش کار تازه پروژه GR00T، به گسترش‌دهندگان انسان‌نما مطرح‌هایی برای تحقق چالش‌برانگیزترین قابلیت‌های ربات‌های انسان‌نما اراعه خواهند داد. اینها شامل GR00T-Gen، GR00T-Mimic، GR00T-Dexterity، GR00T-Control، GR00T-Mobility و GR00T-Perception می باشند. اریک جانگ، معاون هوش مصنوعی در 1X Technologies، اظهار داشت که توکن‌ساز NVIDIA Cosmos به فشرده‌سازی وقتی و مکانی زیاد بالایی از «داده‌های ما در حالی که تا این مدت وضوح بصری را نگه داری می‌کند» دست می‌یابد. جانگ افزود: «این به ما امکان می‌دهد تا مدل‌های جهانی را با تشکیل ویدیوی افق بلند با روشی حتی کارآمدتر از نظر محاسباتی آموزش دهیم.

به حرف های NVIDIA توکن‌ساز Cosmos با اراعه فشرده‌سازی با کیفیت بالا و بازسازی بصری تا ۱۲ برابر سریع تر، راه را برای گسترش مقیاس‌پذیر، قوی و کارآمد برنامه‌های کاربردی مولد در طیف گسترده‌ای از حوزه‌های بصری هموار می‌کند. این شرکت ادعا کرد که توکن‌ساز منبع باز Cosmos با تجزیه تصاویر و ویدیوها به توکن‌های با کیفیت بالا با نرخ‌های فشرده‌سازی زیاد بالا، توکن‌سازی بصری برتر را برای گسترش‌دهندگان رباتیک فراهم می‌کند. این توکن‌ساز تا ۱۲ برابر سریع تر از توکن‌سازهای جاری اجرا می‌بشود، در حالی که NeMo Curator پردازش و مدیریت داده‌های ویدیویی را تا ۷ برابر سریع تر از خطوط لوله غیر بهینه انجام می‌دهد.

دیگر گسترش‌دهندگان ربات‌های انسان‌نما و عمومی همانند XPENG Robotics و Hillbot، با توکن‌ساز NVIDIA Cosmos برای مدیریت تصاویر و ویدیوهای با وضوح بالا در حال گسترش می باشند.  به حرف های انویدیا NeMo Curator اکنون شامل یک خط  پردازش ویدیو است. این به گسترش‌دهندگان ربات اجازه می‌دهد تا با پردازش داده‌های متنی، تصویری و ویدیویی در مقیاس بزرگ، دقت مدل‌های جهانی خود را بهبود بخشند. این شرکت ادعا کرد که مدیریت داده‌های ویدیویی به علت حجم عظیم آن، نیازمند خطوط  مقیاس‌پذیر و هماهنگی کارآمد برای توزیع بار در بین GPUها، چالش‌هایی تشکیل می‌کند. علاوه بر این، مدل‌های فیلتر کردن، زیرنویس‌گذاری و تعبیه نیاز به بهینه‌سازی دارند تا حداکثر توان عملیاتی را داشته باشند.