NVIDIA ha introdotto Cosmos 3 Edge, un omni-model compatto da 4 miliardi di parametri progettato per portare capacità avanzate di modelli di mondo direttamente sull’hardware di robotica fisica. Progettato per eliminare la latenza e i colli di bottiglia di calcolo nell’intelligenza artificiale incarnata, il modello integra un motore di ragionamento dedicato da 2 miliardi di parametri basato su NVIDIA Nemotron per elaborare le dinamiche ambientali e guidare policy di azione robotica in tempo reale a livello locale.
La sfida di implementare modelli di mondo su hardware Edge
Nella robotica autonoma, operare in modo affidabile richiede policy che si adattino rapidamente a configurazioni di sensori eterogenee, ambienti mutevoli e compiti di manipolazione variabili. L’intelligenza artificiale fisica si è rivolta sempre più verso modelli di mondo di base, che apprendono le dinamiche fondamentali delle interazioni fisiche e prevedono come gli ambienti reagiscono agli interventi fisici.
Tuttavia, i modelli di mondo tradizionali e le reti di base multimodali richiedono in genere enormi cluster di calcolo, creando gravi colli di bottiglia per i robot mobili autonomi e i manipolatori robotici. L’affidamento a un’infrastruttura cloud remota introduce latenza, dipendenza dalla rete e potenziali rischi per la sicurezza in ambienti dinamici. Al contrario, i moduli di calcolo embedded di bordo affrontano rigidi limiti termici, di memoria e di alimentazione, limitando storicamente le policy di controllo on-device ad architetture più ristrette e meno adattabili.
All’interno dell’architettura di Cosmos 3 Edge
Cosmos 3 Edge affronta questi vincoli di edge computing all’interno del più ampio ecosistema di modelli di base Cosmos 3 di NVIDIA. Comprimendo il ragionamento fisico e l’interazione multimodale in un ingombro efficiente, il modello consente l’inferenza locale senza sacrificare il ragionamento situazionale.
L’architettura di sistema è definita da diverse caratteristiche fondamentali:
- Impronta Omni-Model Compatta: Cosmos 3 Edge opera come un omni-model da 4 miliardi di parametri su misura per l’implementazione diretta su moduli di calcolo robotici locali.
- Core di Ragionamento Integrato: Il modello incorpora un motore di ragionamento da 2 miliardi di parametri basato su NVIDIA Nemotron, consentendo al sistema di valutare logicamente gli input dei sensori e l’esecuzione di attività in più fasi.
- Modellazione dell’Interazione Fisica: Funziona come base di bordo per l’apprendimento e la simulazione delle interazioni fisiche, prevedendo i cambiamenti ambientali in risposta alle azioni del robot.
- Adattabilità Post-Training: L’architettura supporta un post-training mirato, consentendo a sviluppatori e robotici di ottimizzare il comportamento delle policy per suite di sensori specifiche, incarnazioni robotiche e domini operativi.
Post-Training per il controllo robotico specializzato
Un vantaggio centrale di Cosmos 3 Edge è la sua capacità di post-training. Mentre i modelli di base pre-addestrati offrono una conoscenza generalizzata del mondo fisico, le singole piattaforme robotiche richiedono un adattamento preciso alla loro cinematica specifica, agli angoli di ripresa, al feedback tattile e agli strumenti di fine-effector.
Attraverso i flussi di lavoro di post-training, gli sviluppatori possono specializzare le rappresentazioni delle policy del modello, allineando il sistema di ragionamento basato su Nemotron 2B con gli obiettivi di manipolazione e navigazione a valle. Questo processo di post-training consente ai robot di colmare il divario tra la comprensione fisica generale e il controllo degli attuatori a livello di millisecondi, garantendo un’esecuzione sicura e prevedibile in contesti industriali, commerciali e di ricerca.
Far avanzare l’IA fisica autonoma
Il rilascio di Cosmos 3 Edge segna un passo avanti fondamentale nel passaggio dell’IA incarnata da simulazioni cloud controllate a un’implementazione resiliente nel mondo reale. Portando i modelli di mondo multimodali direttamente sull’hardware di bordo, i sistemi robotici ottengono l’autonomia di percepire, ragionare e agire all’interno dei loro ambienti operativi in tempo reale, stabilendo un nuovo punto di riferimento per l’intelligenza robotica accessibile on-device.
Fonte: Articolo originale
