NVIDIA запускає «Фабрику даних» для фізичного AI - новий стандарт навчання роботів та автопілотів

Компанія NVIDIA представила NVIDIA Physical AI Data Factory Blueprint — відкриту референсну архітектуру, яка покликана автоматизувати створення, доповнення та оцінку тренувальних даних. Це рішення має радикально знизити витрати та час на розробку складних фізичних систем AI, як-от роботів та безпілотних автомобілів.

Головна проблема фізичного AI сьогодні — дефіцит якісних даних. Реальні випробування на дорогах або в цехах коштують дорого і займають роки. Новий «креслення» (blueprint) від NVIDIA дозволяє розробникам використовувати відкриті базові моделі світу NVIDIA Cosmos та AI-кодинг-агентів, щоб перетворювати обмежені реальні записи у величезні та різноманітні датасети.

Це дозволяє симулювати рідкісні та небезпечні сценарії (так звані «long-tail» випадки), які практично неможливо або занадто ризиковано відтворити в реальності.

«Фізичний AI — це наступний фронтир революції, де успіх залежить від здатності генерувати масиви даних. Ми надаємо новий тип "агентного двигуна", який перетворює обчислювальну потужність на високоякісні дані. У цю нову еру обчислення — це і є дані», — заявив Рев Лебаредіан (Rev Lebaredian), віцепрезидент з технологій Omniverse у NVIDIA.

Архітектура Physical AI Data Factory Blueprint пропонує модульний робочий процес, що складається з трьох основних етапів.

Curate (Відбір): інструмент Cosmos Curator обробляє та анотує масштабні масиви реальних і синтетичних даних.

Augment (Доповнення): Cosmos Transfer експоненціально розширює датасети, змінюючи умови освітлення, середовище та створюючи складні сценарії.

Evaluate (Оцінка): NVIDIA Cosmos Evaluator (вже доступний на GitHub) автоматично перевіряє згенеровані дані на фізичну точність та готовність до навчання.

Для управління складними обчисленнями NVIDIA використовує OSMO — відкритий фреймворк для оркестрації. Тепер він інтегрований із провідними кодинг-агентами, такими як Claude Code, OpenAI Codex та Cursor.

Це дозволяє створювати «AI-нативні» операції: агенти самі керують ресурсами, знаходять і усувають помилки в коді та прискорюють доставлення готових моделей.


Проєкт уже підтримали найбільші гравці ринку. Так Microsoft Azure інтегрує Blueprint у свій відкритий інструментарій для фізичного AI, поєднуючи його з Azure IoT та Microsoft Fabric.

Nebius додає OSMO у свою хмару AI Cloud, використовуючи потужність серверів на базі NVIDIA RTX PRO 6000 Blackwell.

Серед перших архітектуру випробували Uber (для автопілотів), Skild AI (для універсальних роботів-гуманоїдів) та Teradyne Robotics.

NVIDIA також використовує цей інструментарій для навчання NVIDIA Alpamayo — першої у світі відкритої моделі типу VLA (Vision-Language-Action) для складного автономного водіння.