Залогът на Nvidia върху Physical AI: симулации за безопасни роботаксита и хуманоиди

Снимка: Nvidia / Ars Technica

Лидерът в изчислителния хардуер Nvidia очерта следващия си стратегически фронт отвъд езиковите модели: превръщането на Physical AI в пазарен двигател чрез изграждане на синтетични цифрови близнаци на реалността [1].

Чрез комбиниране на базовите модели на света (World Models) Nvidia Cosmos и симулационната платформа Nvidia Isaac, компанията демонстрира как автономните превозни средства и хуманоиди могат да преминат през милиони часове стрес-тестове във виртуална среда преди реално разполагане [1].

Инфографика: Светни.ме

Cosmos: Генеративната физика на светлината и движението

Основният технологичен стълб на новата стратегия е семейството модели Nvidia Cosmos. За разлика от класическите симулатори на игри, които разчитат на опростени геометрични полигони, Cosmos използва авторегресивни и дифузионни невронни мрежи, обучени върху милиони часове видео от реални пътища и индустриални халета.

Моделът е способен да предсказва физически съгласуваното развитие на сцената кадър по кадър, симулирайки внезапно изскачащи пешеходци, оптични заслепявания от ниско слънце, проливен дъжд или аквапланинг. Това позволява генериране на практически безкраен обем от екстремни ситуации (corner cases), чието реално заснемане на пътя би било опасно или незаконно.

Isaac Sim и хардуерната платформа Drive Thor

Синтезираните сценарии се зареждат директно в средата Isaac Sim, където се изчисляват динамичните сили, триенето на гумите и показанията на виртуалните LiDAR сензори на ниво отделен фотон.

Тези данни се подават в реално време към вградения автомобилен суперкомпютър Drive Thor, който обработва входящите потоци със същия софтуерен стек, използван в реалните автономни коли. По този начин автономният агент се сблъсква с хиляди катастрофални сценарии всяка секунда, докато се научи да ги избягва безпогрешно.

Дълбок технически анализ: Симулацията като върховен арбитър на машинната безопасност

Стратегията на Nvidia хвърля светлина върху фундаментален проблем в сертифицирането на автономни системи: статистическата невъзможност за доказване на безопасност чрез чисто физическо шофиране. За да се докаже с 99.9999% увереност, че едно роботакси шофира по-безопасно от човек, са необходими десетки милиарди километри реални тестове — процес, който би отнел векове на стандартна флотилия.

Синтетичната валидация чрез светови модели превръща този времеви проблем в изчислителна задача. Вместо да чакат реална катастрофа, за да коригират софтуера, инженерите разполагат с генеративни червени екипи (adversarial generative agents), чиято единствена цел е да намерят физически сценарий, който обърква системата за управление.

Успехът на този подход ще превърне платформата Omniverse в задължителен регулаторен полигон за всеки производител на хуманоиди или автомобили, циментирайки хардуерния и софтуерен монопол на Nvidia в следващата епоха на изкуствения интелект.

Източници

[1]: Nvidia's big bet on physical AI aims for safer robotaxis, humanoid robots - Ars Technica