एनव्हीडियाचा कॉसमॉस-ट्रॅरन्सफर 1 रोबोट प्रशिक्षण विचित्रपणे वास्तववादी बनवितो आणि यामुळे सर्वकाही बदलते

एनव्हीडिया कॉसमॉस-ट्रॅरन्सफर 1, अ‍ॅम्नेस्टी इंटरनॅशनलचे एक नाविन्यपूर्ण मॉडेल जे विकसकांना रोबोट्स आणि स्वतंत्र संयुगेसाठी एक वास्तववादी सिम्युलेशन तयार करण्यास सक्षम करते. हे मॉडेल आता आलिंगनमध्ये उपलब्ध आहे आणि ते भौतिक कृत्रिम बुद्धिमत्ता विकसित करण्याच्या सतत आव्हानास सामोरे जाते: सिम्युलेशन प्रशिक्षण आणि वास्तविक जगातील अनुप्रयोगांमधील अंतर कमी करा.

“आम्ही जगातील पिढीचे सशर्त मॉडेल कॉसमॉस-ट्रॅरन्सफर 1 ऑफर करतो जे किरकोळ, खोली आणि एज सारख्या विविध पद्धतींच्या एकाधिक स्थानिक नियंत्रण इनपुटवर आधारित जागतिक सिम्युलेशन तयार करू शकते,” एनव्हीडिया संशोधकांनी या आवृत्तीसह प्रकाशित केलेल्या एका पेपरमध्ये म्हटले आहे. “हे जागतिक पिढीला अनुमती देते जे मोठ्या प्रमाणात नियंत्रित केले जाऊ शकते आणि सिम 2 रीलसह जगातील वेगवेगळ्या जगात हस्तांतरण वापरण्याच्या बाबतीत त्याचा वापर शोधतो.”

मागील सिम्युलेशन मॉडेल्सच्या विपरीत, कॉसमॉस-ट्रॅरन्सफर 1 एक अनुकूलक मल्टीमीडिया कंट्रोल सिस्टम ऑफर करते जे विकसकांना वेगवेगळ्या व्हिज्युअल इनपुटचे वजन-जसे की खोली माहिती किंवा देखाव्याच्या वेगवेगळ्या भागांमध्ये भिन्न मार्गाने ऑब्जेक्ट्सच्या सीमा म्हणून अनुमती देते. ही कामगिरी तयार केलेल्या वातावरणाचे अधिक अचूक नियंत्रण प्रदान करते आणि त्याचे वास्तववाद आणि त्याची उपयुक्तता मोठ्या प्रमाणात सुधारते.

मल्टी -मीन्सचे नियंत्रण कसे कृत्रिम बुद्धिमत्ता सिम्युलेशन तंत्रज्ञानाचे रूपांतर कसे करावे

कृत्रिम बुद्धिमत्ता प्रणाली प्रशिक्षण देण्याच्या पारंपारिक पद्धतींमध्ये एकतर मोठ्या प्रमाणात वास्तववादी डेटा-एक महाग प्रक्रिया एकत्रित करणे आणि दीर्घकाळ किंवा सिम्युलेटर वातावरणाचा वापर करणे समाविष्ट आहे ज्यात बर्‍याचदा वास्तविक जगाची जटिलता नसते.

कॉसमॉस-ट्रॅरन्सफर 1 विकसकांना मल्टीमीडिया इनपुट (जसे की अस्पष्ट प्रतिमा, शोधणारी धार, खोलीचे नकाशे आणि किरकोळ) वापरून नैसर्गिक फरक जोडताना मूळ देखाव्याचे निर्णायक पैलू टिकवून ठेवते.

“डिझाइनमध्ये, स्थानिक पोलिस योजना एक अनुकूली आणि सानुकूलित आहे,” संशोधकांनी स्पष्ट केले. “हे वेगवेगळ्या स्थानिक साइट्समध्ये भिन्न सशर्त इनपुटचे कनेक्शन वेगवेगळ्या प्रकारे अनुमती देते.”

ही क्षमता रोबोट्समधील विशेष मूल्याद्वारे सिद्ध झाली आहे, कारण विकसकास स्वयंचलित हात कसे दिसून येते आणि विविध मागील शरीर तयार करण्यास अधिक सर्जनशील स्वातंत्र्य मिळते याचे अचूक नियंत्रण राखण्याची इच्छा असू शकते. स्वायत्त वाहनांसाठी, वेगवेगळ्या हवामान परिस्थिती, प्रकाशयोजना किंवा शहरी सेटिंग्जसह रस्ता नियोजन आणि रहदारीचे नमुने राखण्यास हे अनुमती देते.

रोबोट्स आणि स्वत: ची न्यायाधीश बदलू शकणारे भौतिक कृत्रिम बुद्धिमत्ता अनुप्रयोग

या प्रकल्पाचे मुख्य योगदानकर्ते डॉ. मिंग यू लिऊ यांनी उद्योग अनुप्रयोगांसाठी या तंत्रज्ञानाचे महत्त्व स्पष्ट केले.

“पॉलिसी मॉडेल कृत्रिम कृत्रिम बुद्धिमत्ता प्रणालीचे वर्तन निर्देशित करते, हे सुनिश्चित करते की ही प्रणाली सुरक्षितपणे कार्य करते आणि त्याच्या उद्दीष्टांनुसार,” लिओ आणि त्याचे सहकारी पेपर नोटमध्ये. “कॉसमॉस-ट्रॅरन्स्फर 1 कार्यपद्धती तयार करण्यासाठी आणि मॅन्युअल पॉलिसी प्रशिक्षित करण्यासाठी खर्च, वेळ आणि डेटा वाचविण्यासाठी धोरणात्मक मॉडेलच्या प्रशिक्षणानंतर प्रशिक्षण दिले जाऊ शकते.”

तंत्रज्ञानाने रोबोट सिम्युलेशन चाचणीमध्ये त्याचे मूल्य आधीच दर्शविले आहे. सिम्युलेटर रोबोट्स वाढविण्यासाठी कॉसमॉस-ट्रॅरन्सफर 1 वापरताना, एनव्हीडिया संशोधकांना असे आढळले की रोबोट चळवळीची शारीरिक गतिशीलता राखताना मॉडेल “अधिक देखावा तपशील, जटिल शेडिंग आणि नैसर्गिक प्रकाश” जोडून वास्तववादामध्ये मोठ्या प्रमाणात सुधारित करते.

स्वतंत्र वाहने विकसित करण्यासाठी, मॉडेल विकसकांना “वास्तववादी किनार प्रकरणांचा फायदा वाढविण्यास” सक्षम करते, जे वाहनांना वास्तविक रस्त्यांवर त्यांचा सामना न करता दुर्मिळ परंतु गंभीर परिस्थितीत सामोरे जाण्यास मदत करते.

ग्लोबल मटेरियल applications प्लिकेशन्ससाठी नेव्हिडियाच्या स्ट्रॅटेजिक इकोसिस्टमच्या आत

कॉसमॉस-ट्रॅरन्सफर 1 एनव्हीडिया मधील विस्तीर्ण कॉसमॉस प्लॅटफॉर्मच्या केवळ एका घटकाचे प्रतिनिधित्व करते, वर्ल्ड फाउंडेशन मॉडेल्सचा एक गट (डब्ल्यूएफएमएस) विशेषतः भौतिक कृत्रिम बुद्धिमत्ता विकसित करण्यासाठी डिझाइन केलेले आहे. सामान्य उद्देशांच्या जागतिक पिढीसाठी कॉसमॉस-प्रिडिक्ट 1 प्लॅटफॉर्म आणि कॉसमॉस-आयसन 1 मध्ये योग्य शारीरिक विचार समाविष्ट आहे.

“एनव्हीडिया कॉसमॉस हे जगातील विकसकांसाठी एक वैशिष्ट्यपूर्ण व्यासपीठ आहे जे भौतिक कृत्रिम बुद्धिमत्ता विकसकांना चांगले आणि वेगवान भौतिक बुद्धिमत्ता प्रणाली तयार करण्यास मदत करण्यासाठी डिझाइन केलेले आहे,” गीथब वेअरहाऊस येथील कंपनी म्हणतात. प्लॅटफॉर्ममध्ये एनव्हीडिया ओपन मॉडेल परवाना आणि अपाचे 2 परवान्याअंतर्गत प्रशिक्षण मजकूर अंतर्गत पूर्व -प्रशिक्षित मॉडेल्स समाविष्ट आहेत.

यामुळे एनव्हीडियाला कृत्रिम बुद्धिमत्ता साधनांसाठी वाढत्या बाजाराचा फायदा घेण्यास लावले जाते ज्यामुळे स्वतंत्र प्रणालीच्या विकासास गती मिळू शकते, विशेषत: मॅन्युफॅक्चरिंगपासून वाहतुकीपर्यंतचे उद्योग रोबोट्स आणि स्वतंत्र तंत्रज्ञानामध्ये तीव्र हेतू आहेत.

https://www.youtube.com/watch?

वास्तविक पिढी: कृत्रिम बुद्धिमत्तेपासून एनव्हीडिया डिव्हाइस अ‍ॅम्नेस्टी इंटरनॅशनलचे अनुकरण कसे करतात

एनव्हीडियाने कॉसमॉस-ट्रॅरन्सफर 1 देखील दर्शविले, जे प्रत्यक्षात त्याच्या नवीनतम डिव्हाइसवर कार्य करते. “आम्ही एनव्हीडिया जीबी 200 एनव्हीएल 72 शेल्फसह जगाची वास्तविक -वेळ पिढी साध्य करण्यासाठी स्केलिंग धोरण देखील स्पष्ट करतो,” संशोधकांनी नमूद केले.

एका ग्राफिक्स प्रक्रिया युनिट्समधून 64 वर स्केलिंग करताना कार्यसंघाने अंदाजे 40x प्रवेग प्राप्त केला, ज्यामुळे 5 सेकंद फक्त 4.2 सेकंद-प्रभावीपणे उत्पादक वेळेत उच्च-गुणवत्तेचा व्हिडिओ तयार करण्यास अनुमती देतात.

या कामगिरीवर उद्योगास आणखी एक आव्हान आहे: सिम्युलेशनची गती. वेगवान आणि वास्तववादी सिम्युलेशन सर्वात वेगवान चाचणी आणि पुनरावृत्ती चक्र प्रदान करते आणि स्वतंत्र प्रणालींच्या विकासास गती देते.

ओपन सोर्स इनोव्हेशनः जगभरातील विकसकांसाठी अ‍ॅम्नेस्टी इंटरनॅशनल ते डेमोक्रॅटिक प्लेन

कॉसमॉस-ट्रॅरास्फर 1 मॉडेल आणि गीथबवरील त्याचे प्राथमिक प्रतीक दोन्ही प्रकाशित करण्याचा एनव्हीडियाचा निर्णय जगभरातील विकसकांचे अडथळे दूर करतो. हे सार्वजनिक प्रकाशन लहान संघ आणि स्वतंत्र संशोधकांना सिम्युलेशन तंत्रज्ञानापर्यंत पोहोचते ज्यांना पूर्वी मोठ्या संसाधनांची आवश्यकता होती.

हे चरण त्यांच्या डिव्हाइस आणि प्रोग्राम्सबद्दल मजबूत विकसकांच्या विकसकांना तयार करण्याच्या विस्तृत एनव्हीडिया धोरणासाठी योग्य आहे. ही साधने अधिक हातात ठेवून, कंपनी कृत्रिम बुद्धिमत्ता विकसित करण्याच्या संभाव्य प्रगतीच्या गतीसह कंपनी आपला प्रभाव वाढवते.

रोबोट्स आणि स्वतंत्र वाहन अभियंत्यांसाठी, ही नवीन उपलब्ध साधने अधिक कार्यक्षम प्रशिक्षण वातावरणाद्वारे विकास अभ्यासक्रम कमी करू शकतात. व्यावहारिक प्रभाव चाचणी टप्प्यात प्रथम केला जाऊ शकतो, कारण वास्तविक जग प्रकाशित होण्यापूर्वी विकसक विस्तृत परिस्थितीच्या प्रणाली उघडकीस आणू शकतात.

जरी मुक्त स्त्रोत तंत्रज्ञान उपलब्ध करुन देत असले तरी, त्याच्या प्रभावी वापरासाठी अद्याप अनुभव आणि अंकगणित संसाधने आवश्यक आहेत – कृत्रिम बुद्धिमत्ता विकसित करताना, कोड स्वतःच कथेची सुरुवात आहे.