NVIDIA betont die Rolle offener Weltmodelle bei der Entwicklung physischer KI

NVIDIA vertritt die Auffassung, dass offene Weltmodelle zu einer wichtigen Grundlage physischer KI werden. Gemeint sind Systeme, die reale Umgebungen verstehen und in ihnen handeln müssen, statt nur Text oder Bilder zu erzeugen. Das Unternehmen erklärt in einem neuen Überblick, solche Modelle könnten physische Zusammenhänge lernen, mögliche nächste Ereignisse vorhersagen und Teams beim Generieren von Daten, beim Ausführen von Simulationen und beim Spezialisieren eines Systems für einen bestimmten Roboter, ein Fahrzeug oder eine Vision-Anwendung helfen. Im Mittelpunkt stehen die Cosmos-3-Modellfamilie und Omniverse-Bibliotheken, aber zugleich geht es um die Bedeutung anpassbarer Modelle und gemeinsamer Simulationstools in einem Bereich, in dem kaum zwei Einsätze gleich sind.

Teams für physische KI haben ein Datenproblem, das sich von vielen reinen Softwareanwendungen unterscheidet. Ein Roboter oder Fahrzeug muss auf wechselndes Licht, Wetter, Objekte, Sensoren und menschliches Verhalten reagieren; seltene Ereignisse lassen sich in der Realität oft nur schwer oder unsicher wiederholt erfassen. NVIDIA sagt, Weltmodelle könnten physikalisch fundierte Welt- und Aktionsdaten erzeugen, künftige Zustände simulieren und einen Ausgangspunkt für Systeme liefern, die über diese Bedingungen nachdenken müssen. Sie werden als Methode dargestellt, Richtlinien zu testen und vielfältigere Trainingsumgebungen vor der realen Bereitstellung zu schaffen, nicht als Ersatz für die Validierung in der realen Welt.

Die Cosmos-3-Familie positioniert NVIDIA als gemeinsame Grundlage für mehrere verwandte Aufgaben. Sie kombiniere visuelles Schlussfolgern, Weltgenerierung und Aktionsvorhersage, sodass Entwickler mit einer Modellfamilie Szenen verstehen, synthetische Daten generieren, mögliche Zustände simulieren und spezialisierte Weltaktionsmodelle bauen können. Die Reihe umfasst Cosmos 3 Super mit 64 Milliarden Parametern für hochauflösende Weltmodellierung, Cosmos 3 Nano mit 16 Milliarden für effizientes Schlussfolgern und Nachtraining sowie Cosmos 3 Edge mit vier Milliarden für visuelles Schlussfolgern auf dem Gerät und die Bereitstellung von Roboter-Policies. Das sind Spezifikationen einer Produktfamilie, nicht die Behauptung, ein Modell passe unverändert zu jedem Einsatz.

Offenheit steht im Zentrum der Argumentation. NVIDIA sagt, die Cosmos-Weltgrundmodelle stünden unter der OpenMDW-1.1-Lizenz der Linux Foundation zur Verfügung und erlaubten Teams das Nachtraining auf eigenen Daten und Hardware. Bei physischer KI ist diese Flexibilität wichtig, weil ein allgemeines Modell nicht jedes Roboterdetail, jede Sensoranordnung, jedes Lager, jede Straße und jede Betriebsbedingung eines Kunden gesehen hat. Zugang zu Gewichten, eine Lizenz, die Anpassung zulässt, und Werkzeuge für das Nachtraining seien praktische technische Voraussetzungen, um diese Lücke zu schließen, nicht nur eine ideologische Vorliebe für offene Modelle.

Zur Modelleinstiegsebene kommt Simulationsinfrastruktur hinzu. NVIDIA erklärt, Omniverse-Bibliotheken unterstützten Entwickler beim Aufbau simulationsbereiter Welten, während OpenUSD einen Rahmen biete, um komplexe dreidimensionale Daten zwischen digitalen Zwillingen, Simulationen und synthetischen Datenabläufen zusammenzustellen und auszutauschen. Der erwartete Vorteil ist weniger doppelte Arbeit, wenn sich Assets, Sensorkonfigurationen oder Umgebungsbedingungen ändern. Ein Team muss etwa eine Kameraposition oder das Wetter ändern können, ohne jede Komponente einer virtuellen Umgebung neu aufzubauen. Die Ankündigung beschreibt diese Werkzeuge als Bausteine, nicht als Garantie dafür, dass Simulation allein sicheres Verhalten in der Realität erzeugt.

NVIDIA verwies außerdem auf Einsätze in Robotik, autonomen Fahrzeugen und visueller KI, nannte Unternehmen, die in diesen Bereichen mit Cosmos arbeiten, und beschrieb eine Cosmos Coalition. Diese soll Modellbauer, Entwickler und Organisationen für physische KI rund um Modelle, Forschung und Evaluierungsmethoden zusammenbringen. Die Koalition wurde jüngst nach Japan erweitert, wo Teilnehmende offene Weltmodelle für Fabriken, Logistik, Landwirtschaft, Bau, Gesundheit und Verkehr entwickeln wollen. Die Beispiele zeigen, wo NVIDIA den Ansatz einsetzen möchte, belegen aber nicht, dass alle Branchen denselben Grad an Einsatz oder Reife erreicht haben.

Die größere Bedeutung liegt darin, dass physische KI sich auf einen Stapel aus Modellen, spezialisierten Trainingsdaten, Simulationsumgebungen, Evaluierung und Domänenanpassung zubewegt. NVIDIAs Argument für offene Weltmodelle ist besonders stark, wenn ein Kunde diese gesamte Kette kontrollieren muss und nicht nur eine feste API-Antwort. Offen bleiben Fragen zu Kosten, Qualität und Übertragung in die Realität: Wie genau kann eine Simulation ein seltenes Ereignis abbilden, wie viel Nachtraining braucht ein Einsatz und wie messen Teams Sicherheit, bevor ein automatisiertes System in der Nähe von Menschen handelt? Das August-Update zeichnet einen Weg für diese Probleme, doch der Beweis hängt von den Ergebnissen der darauf aufgebauten Systeme ab.