NVIDIA, dünya modelleri için Cosmos platformuna yeni eğitim araçları ekledi

NVIDIA, fiziksel yapay zekâ sistemlerinin gerçek dünyayı anlamasını ve simüle etmesini sağlayan dünya modellerini geliştiren ekipler için Cosmos platformunu yeni eğitim araçları, simülasyon kontrol noktaları ve Cosmos Data Factory şablonlarıyla genişlettiğini duyurdu. Şirketin açıklamasına göre platform, altı farklı açık model sıralamasında ilk beşte yer alıyor.

NVIDIA Cosmos araçları, dünya modeli geliştiricilerine eğitim verisini büyütme, modeli uyarlama, davranışı test etme ve yayına almadan önce performansı optimize etme imkânı veriyor. Platformun tamamı modüler ve açık; geliştiriciler veri üretiminden eğitime, oradan da dağıtıma kadar farklı bileşenleri ayrı ayrı kullanabiliyor.

Cosmos Data Factory neler sunuyor?

Dünya modelleri çok kipli ve çok duyulu veriyle başlıyor. NVIDIA'nın GPU hızlandırmalı video veri kümesi aracı Cosmos Curator, artık çok kipli ve çok duyulu girdiler ile işlem bloklarını destekliyor. Cosmos Data Factory ise GitHub, Microsoft Azure, Nebius ve CoreWeave üzerinden erişilebilen beş bulut tabanlı şablon sunuyor:

• Otonom araç veri kümesi üretimi: Sürüş verilerini etiketleyip zor yakalanan senaryolar için sentetik örnekler ekliyor.
• Görüntü özniteliği artırma: Nesnelerin görünümünü değiştirerek görsel aramayı iyileştiriyor.
• Olay videosu üretimi: Sabit görüntüleri nadir ya da güvenli olmayan olayların sentetik videolarına dönüştürüyor.
• Kusur görüntüsü üretimi: Denetim modelleri için devre kartı, metal ve cam kusurlarını canlandırıyor.
• Video verisi artırma: Sahne yapısını koruyarak mevcut görüntülerde hava koşullarını ve ışığı değiştiriyor.

Şirketler araçları nasıl kullanıyor?

NVIDIA'ya göre şirketler bu şablonları fiziksel yapay zekâ geliştirme süreçlerinde kullanmaya başladı. Porsche, Volkswagen Group markaları için ortak bir otonom sürüş veri döngüsü geliştirirken Cosmos Data Factory'yi Microsoft Azure üzerinde Voxel51 aracılığıyla kullanıyor. Şirketin beklentisine göre bu yaklaşım tekrarlanan fiziksel test sürüşlerini yüzde 90'a kadar azaltacak ve geliştirme sürelerini yüzde 85'e kadar kısaltacak.

Endüstriyel denetim robotları üreten ANYbotics, Cosmos Data Factory şablonlarıyla 1.500'den fazla sentetik video klip oluşturdu. Şirket, gerçek dünya verilerini Encord platformuyla düzenleyip çıktıları doğrulayarak robotlarını sıvı dökülmeleri ve tesis ziyaretleri arasındaki değişiklikleri tanıyacak şekilde eğitti.

Bilgisayarlı görü alanındaki Ultralytics ise YOLO modelini gerçek görüntülerle ve Cosmos Data Factory ile üretilen hedefli sentetik kusurlarla yeniden eğiterek kusur konumlandırma ve geri çağırma performansını iyileştirdi.

Model eğitimi ve optimize etme tarafında ne değişti?

NVIDIA, Berlin'deki GTC etkinliğinde Cosmos Framework'ün eğitim, optimizasyon ve dağıtım araçlarını ajan becerileri olarak GR00T, Alpamayo, QWEN, Pi0.5 ve uyumlu diğer Hugging Face modellerine genişletti. Geliştiriciler ve ajanlar bu açık modelleri ince ayar ve pekiştirmeli öğrenmeyle uyarlayabiliyor, damıtma ve nicemleme ile optimize edebiliyor ve yüksek performanslı çıkarımla yayına alabiliyor.

Robotik araştırma laboratuvarı MicroAGI, insanların nesneleri tuttuğu videolar üzerinde Cosmos 3'ü eğiterek 32 milyar parametreli akıl yürütücüyü doğruluk kaybı olmadan 8 milyar parametreli Nano modele indirdi. Geliştiriciler ayrıca Roboflow üzerinde veri etiketleyip Cosmos 3'ü kendi ortam ve görevlerine göre eğitebiliyor, ardından modelleri Roboflow'un barındırdığı ya da şirket içi NVIDIA GPU'larında çalıştırabiliyor.

Simülasyon ve daha hızlı çıkarım

Cosmos 3'ün simülasyon için hazırlanan yeni Nano varyantları, geliştiricilerin otonom politikaları tekrarlanabilir, zor yakalanan ve çok görüşlü çok sensörlü senaryolarda test etmesini sağlıyor. Beraberindeki kod, modellerin otonom araçlar ve iki kollu robotlar için gerçek dünya testinden önce etkileşimli simülasyonlarda uyarlanmasına imkân veriyor.

Güncellenen Cosmos 3 NIM mikroservisleri, doğrulanmış yapılandırmalarda kalite kaybı olmadan 2 kata kadar daha hızlı çıkarım sunuyor; sürekli video analizi ise saniye altı uyarılara olanak tanıyor. Görüntü yapay zekâsı geliştiricileri için Cosmos NIM mikroservisleri üzerine kurulu NVIDIA Metropolis VSS 3.3 şablonu, tek bir komutla video analiz uygulaması oluşturuyor ve ekiplerin aynı GPU ile yüzde 40 daha fazla video akışını izlemesine yardımcı oluyor.

ADNOC, Cosmos ve Metropolis VSS şablonuyla geliştirilen Fogsphere'in MistIQ ajan platformunu 65 sahada güvenlik risklerini gerçek zamanlı tespit etmek için kullanıyor. Fogsphere, nadir olaylar için Cosmos Data Factory ile sentetik eğitim verisi de üretiyor; böylece tehlikeli durumları fiziksel olarak kurgulamaya gerek kalmadan tespit performansını artırıyor.

Neden önemli?

Fiziksel yapay zekâ, robotların ve otonom araçların gerçek dünyada güvenli çalışabilmesi için büyük miktarda gerçek veriye ve zor senaryoların tekrarlanabilir biçimde test edilmesine ihtiyaç duyuyor. Gerçek test sürüşleri ya da tehlikeli durumların sahnelenmesi hem pahalı hem de yavaş olduğundan sentetik veri üretimi ve simülasyon, geliştirme sürelerini kısaltmanın öncelikli yolları arasında görülüyor. NVIDIA'nın araçları açık modellerle birlikte sunması, geliştiricilerin tek bir sağlayıcıya bağlı kalmadan veri hazırlığından dağıtıma kadar ilerlemesini amaçlıyor.

Türkiye'deki geliştiriciler açısından bakıldığında araçların bulut platformları ve GitHub üzerinden erişilebilir olması önemli; ancak kullanımın Türkiye'deki GPU altyapısı ve bulut bölgeleri üzerinden nasıl fiyatlandırılacağına dair bir bilgi paylaşılmadı.