Nvidia révolutionne l’IA physique avec WFM Cosmos : L’accélération ultime pour les développeurs

Nvidia frappe encore un grand coup dans le monde de l'IA. Leur nouvelle plateforme WFM Cosmos promet de redéfinir les limites du calcul physique pour les développeurs.

Boostez vos simulations comme jamais

Avec des algorithmes optimisés pour les GPU dernière génération, Cosmos écrase les performances des solutions traditionnelles. Les temps de calcul s'effondrent tandis que la précision explose.

La course à l'IA s'intensifie

Pendant que les startups blockchain tentent désespérément de coller 'IA' dans leur pitch deck pour attirer les VC, Nvidia continue d'innover là où ça compte vraiment. Leur domination technologique reste incontestée - et très rentable, comme en témoigne leur dernier trimestre record.

Une chose est sûre : dans la ruée vers l'or de l'IA, Nvidia vend les pioches les plus performantes.

Cosmos est livré avec les modèles de base Predict, Transfer et Reason 

Selon l'équipe Nvidia, la plateforme Cosmos intègre le modèle de prédiction Predict, permettant aux développeurs de générer des vidéos continues d'une durée maximale de 30 secondes. Ces vidéos sont générées à partir d'entrées multimodales, dans le strict respect des consignes.

Transfer est un modèle multicontrôle qui permet aux développeurs de simuler différents environnements et conditions d'éclairage. L'entreprise technologique affirme également que Transfer peut accélérer les entrées 3D des frameworks de simulation d'IA physique CARLA et Nvidia Isaac Sim pour permettre une « augmentation contrôlable des données ».   

Nvidia a déclaré que Cosmos Reason utilisait un VLM (Vision Language Model) entièrement personnalisable, capable de comprendre le monde physique réel comme les humains. Reason alimente des agents d'analyse vidéo qui comprennent les opérations dans les espaces industriels et urbains. Il gère les données d'entraînement utilisées pour la prise de décision.

L'entreprise technologique a révélé que les développeurs pourraient exploiter les modèles de base pour générer des données destinées à former des modèles d'IA dans des applications industrielles et robotiques, telles que des robots d'usine, des entrepôts automatisés et des véhicules autonomes sur des autoroutes ou des terrains accidentés.

Nvidia a également indiqué que ces modèles fondamentaux ont été entraînés à l'aide d'ensembles de données non étiquetés afin de générer de nouvelles données à partir des données saisies par les utilisateurs. L'entreprise a ajouté que les développeurs peuvent exploiter cette généralisabilité pour affiner les modèles pré-entraînés à l'aide d'ensembles de données plus petits afin de créer des modèles personnalisés. Ils peuvent également entraîner différentes machines autonomes à détecter et interagir avec divers environnements.

Nvidia alimente les « jumeaux numériques »

L'entreprise technologique a annoncé la sortie des bibliothèques Omniverse le 11 août. Nvidia a ajouté que ces bibliothèques étaient alimentées par ses serveurs RTX PRO et DGX Cloud, permettant aux développeurs de créer des jumeaux numériques physiquement précis. Des données synthétiques peuvent être générées en capturant et en reconstruisant le monde réel en simulation pour créer des agents d'IA et entraîner des modèles d'IA physiques.

Le révérend Lebaredian, vice-dent d'Omnivers et des technologies de simulation chez Nvidia, a déclaré que son entreprise s'engageait à permettre aux développeurs de construire les robots et les véhicules autonomes de demain. Il a expliqué que l'IA et l'infographie convergeaient pour transformer les principes fondamentaux de la robotique. Lebaredian est convaincu que ces technologies « transformeront des milliards de dollars dans les industries ». 

Nvidia a annoncé que les bibliothèques et kits de développement logiciel (SDK) Omniverse étaient désormais disponibles pour permettre aux développeurs de créer et de déployer des applications de simulation robotique et d'IA industrielle. Ces SDK assurent l'interopérabilité des données entre OpenUSD (Universal Scene Description) et MJCF (MuJoCo) afin de simuler des robots sur plusieurs plateformes. La technique de « RTX ray- trac 3D Gaussian Splatting » permet également aux développeurs de capturer, reconstruire et simuler des environnements physiques réels en 3D à partir de données de capteurs.

Nvidia affirme que Figure AI, Skild AI, Boston Dynamics, RAI Institute, Hexagon et Lightwheel ont adopté Omniverse et la suite Isaac (Sim et Lab) pour accélérer leurs projets de robotique pilotés par l'IA. Amazon Devices & Services a également utilisé ces systèmes Nvidia pour alimenter ses dernières solutions de fabrication.

Cryptopolitan Academy: à venir bientôt - une nouvelle façon de gagner un revenu passif avec DeFi en 2025. En savoir plus