NVIDIA, fabrikalarda, depolarda, hastanelerde ve ötesinde çalışan robotlara ve uç cihazlara doğrudan veri merkezi seviyesinde yapay zeka akıl yürütme yetenekleri kazandırmak için tasarlanmış, 4 milyar parametreli açık dünya modeli Cosmos 3 Edge‘i piyasaya sürdü. Artık Hugging Face üzerinde de mevcut olan bu model, robotların ve görsel yapay zeka ajanlarının çevrelerini anlamalarına, gerçek zamanlı olarak akıl yürütmelerine ve fiziksel eylemler üretmelerine yardımcı olmak üzere tasarlandı — tüm bunları hesaplamayı buluta geri yönlendirmeye gerek kalmadan yapıyor.
Summary
Öne çıkanlar
- Cosmos 3 Edge, NVIDIA tarafından Hugging Face üzerinde yayımlanan, uç cihazlarda robotik ve görsel yapay zeka için tasarlanmış 4 milyar parametreli bir açık dünya modelidir.
- 15 Hz hızında gerçek zamanlı robot kontrolü sunar ve NVIDIA Jetson Thor üzerinde her çıkarımda 32 eylem üretir.
- Model, birleşik akıl yürütme ve eylem üretimi için çok modlu dikkat katmanlarını paylaşan, otoregresif ve difüzyon olmak üzere iki dönüştürücü kulesini birleştirir.
- 4 milyar parametreli modeller arasında görsel analiz için VANTAGE-Bench’te 1 numarada yer alır ve robot politika öğreniminde liderdir.
- Robotik alma-bırakma görevleri için özel bir politika modeli olan Cosmos 3 Edge Policy (DROID) mevcuttur ve H100 veya NVIDIA DGX kümeleri üzerinde ince ayar desteği sunar.
NVIDIA, Uçta Robotik ve Görsel Yapay Zeka için Cosmos 3 Edge’i Piyasaya Sürüyor
Uçta konuşlandırılan makineler için temel zorluk her zaman aynı oldu: kısıtlı bellek, sınırlı hesaplama gücü, ancak yavaşlamayan gerçek dünya talepleri. Cosmos 3 Edge, NVIDIA’nın bu boşluğa verdiği yanıttır. NVIDIA geliştirici savunucusu Pranjali Joshi’ye göre model, yeni duyurulan NVIDIA Jetson T2000 ve T3000 modülleri, NVIDIA Jetson Thor, NVIDIA RTX PRO GPU’lar, NVIDIA DGX ve NVIDIA GeForce RTX GPU’ları da dahil olmak üzere geniş bir NVIDIA uç donanım yelpazesinde bellek açısından verimli, yüksek verimli çıkarım için optimize edilmiştir.
Bu geniş donanım uyumluluğu önemlidir. Çoğu uç yapay zeka dağıtımı, hedeften değil, yerel donanımın gerçekte neyi çalıştırabildiğinden dolayı kısıtlanır. Kompakt Jetson modüllerinden tam DGX sistemlerine kadar uzanan bir model, geliştiricilere geniş bir dağıtım yelpazesinde çalışmak için tek bir çerçeve sunar.
Gerçek Zamanlı ve Önemli Performans Değerleri
NVIDIA’nın paylaştığı performans rakamları dikkat çekici. NVIDIA Jetson Thor üzerinde Cosmos 3 Edge, her çıkarımda 32 eylem üretirken 15 Hz hızında gerçek zamanlı robot kontrolünü sürdürüyor. Pürüzsüz hareket ile sarsıntılı başarısızlık arasındaki farkın çoğu zaman çıkarım gecikmesine bağlı olduğu robotik uygulamalarda, bir uç modülde 15 Hz’e ulaşmak anlamlı bir eşiktir. 4 milyar parametreli modeller arasında, görsel analiz için VANTAGE-Bench‘te birinci sırada yer alıyor ve robot politika öğrenimi için son teknoloji performans iddiasında bulunuyor.
Yenilikçi Model Mimarisi: İki Dönüştürücü Kulesi, Tek Paylaşılan Temsil
Cosmos 3 Edge’i standart bir görsel-dil modelinden ayıran şey, çift kuleli dönüştürücü mimarisidir. Model, farklı modaliteleri ele alan ancak dil, video, ses ve eylem verileri arasında bilgiyi hizalayan çok modlu dikkat katmanlarını paylaşan bir otoregresif kule ve bir difüzyon kulesini birleştirir.
Otoregresif kule, anlama ve akıl yürütme için görsel ve metin belirteçlerini işler. Difüzyon kulesi ise tahmin, üretim ve NVIDIA’nın sinirsel simülasyon olarak adlandırdığı süreç için görsel, ses ve eylem belirteçlerini ele alır. İki kule, ayrı normalleştirme katmanlarını ve çok katmanlı algılayıcıları korur, ancak entegrasyonun gerçekleştiği yer paylaşılan dikkat katmanlarıdır — modelin, bir sonraki adımda ne yapacağına karar vermeden önce sahnenin tek ve tutarlı bir resmini oluşturmasını zorlar.
Fiziksel Eylemler için Paylaşılan Geometrik Vektör Temsili
Teknik açıdan en ayırt edici özelliklerden biri, modelin farklı robot bedenlenmeleri arasındaki fiziksel eylemleri nasıl ele aldığıdır. Bir robot kolu, tekerlekli bir araçtan veya kamera düzeneğinden farklı hareket eder ve çoğu model bunları ayrı problemler olarak ele alır. Cosmos 3 Edge, bunların hepsini paylaşılan, kompakt bir geometrik vektör temsiline eşler — eylemleri, mekânsal ilişkileri ve kontrol girdilerini bedenlenme türleri arasında tutarlı bir şekilde yakalayacak biçimde kodlar.
Bu tasarım, piksel düzeyindeki görsel değişiklikler ile fiziksel hareket arasında doğrudan bir bağlantı kurar. Üretilen video, yalnızca görsel bir tahmin olmaktan çıkar ve dünyanın belirli bir eyleme yanıt olarak nasıl değişmesinin beklendiğinin bir temsiline dönüşür. Eğitim hatları oluşturan geliştiriciler için bu, yalnızca görsel görünüme değil, harekete, nedenselliğe ve kontrole dayalı sentetik veri anlamına gelir.
Uygulamalar ve Genişletmeler: Politika Modelleri ve Geliştirici Araçları
Temel modelin ötesinde NVIDIA, DROID veri kümesi üzerinde sonradan eğitilmiş ve alma-bırakma görevlerini hedefleyen bir robotik manipülasyon politikası olan Cosmos 3 Edge Policy (DROID)’i yayımlıyor. Geliştiricilere modeli kendi manipülasyon iş akışlarına uyarlamak için somut bir başlangıç noktası sunan sonradan eğitim betikleri ile birlikte geliyor.
Sonradan Eğitim, Özelleştirme ve Geliştirici Kaynakları
Daha da ileri gitmek isteyen geliştiriciler, Cosmos 3 Edge’i küçük bir H100 GPU kümesi veya bir NVIDIA DGX Station üzerinde ince ayar yaparak özelleştirebilir. NVIDIA ayrıca, temel model ağırlıklarıyla birlikte referans sonradan eğitilmiş kontrol noktaları ve eğitim tarifleri yayımlıyor; bunlar arasında, difüzyon çıkarımını 35–50 gürültü giderme adımından yalnızca 4 adıma indiren ve görüntü ve video üretimi görevleri için çıktı doğruluğundan ödün vermeden 25 kata kadar daha hızlı çıkarım sağlayan bir Cosmos 3 Super 4-Step Distillation kontrol noktası da bulunuyor.
Buradaki daha geniş ekosistem hamlesi dikkat çekmeye değer. Açık ağırlıkları, eğitim betiklerini ve referans kontrol noktalarını birlikte yayımlayarak NVIDIA, Cosmos 3 Edge’i yalnızca bağımsız bir model olarak değil, alan uyarlamalı dünya modelleri için bir temel olarak konumlandırıyor. Geliştiriciler, modeli özel verilerle sonradan eğitebilir, hız için damıtabilir veya olduğu gibi dağıtabilir — bunların tümü Hugging Face üzerinde sunulan aynı açık çerçeve içinde mümkündür.
Kıyaslama Liderliği ve Sırada Ne Var?
NVIDIA’nın VANTAGE-Bench sıralaması, Cosmos 3 Edge’i görsel analiz için kendi ağırlık sınıfının zirvesine yerleştiriyor ve robot politika öğrenimi iddiası, çoğu uç modelin ya görsel anlama ya da kontrolü önceliklendirdiği — ikisini aynı anda yapmadığı — bir alanda rekabetçi bir ağırlık katıyor.
İleriye dönük olarak NVIDIA, etkileşimli dünya üretimi, sürüş senaryosu simülasyonu ve daha geniş robotik politikaları kapsayan iyileştirmelerle, Cosmos 3’ü Fiziksel Yapay Zeka olarak adlandırdığı alan için geliştirme planlarını açıkladı. Yol haritası ayrıca, Cosmos 3 kontrol noktalarının vLLM de dahil olmak üzere açık çıkarım çerçeveleriyle optimize edilmesini, daha geniş bir donanım yelpazesinde daha hızlı sonradan eğitimi ve ek geliştirici araçlarını içeriyor.
Bu yönelim, tek bir model sürümünden daha geniş bir şeyi işaret ediyor. Uç donanım daha yetenekli hale geldikçe ve robotik dağıtımlar endüstriyel ortamlarda ölçeklendikçe, kompakt ve dağıtılabilir dünya modellerine olan talep yalnızca artacaktır. Nedensellik hakkında akıl yürüten, fiziksel sonuçları simüle eden ve kontrol eylemleri üreten — tüm bunları uçta, 15 Hz hızında yapan — bir model, bir araştırma dönüm noktasından çok üretim altyapısına benzemeye başlıyor.
SSS
NVIDIA Cosmos 3 Edge nedir?
Cosmos 3 Edge, NVIDIA tarafından yayımlanan ve robotların ile görsel yapay zeka ajanlarının çevrelerini anlamalarına, akıl yürütmelerine ve uç cihazlarda gerçek zamanlı olarak fiziksel eylemler üretmelerine olanak tanıyan 4 milyar parametreli bir açık dünya modelidir.
Cosmos 3 Edge çıkarım için hangi donanımı destekler?
Model, NVIDIA Jetson T2000, T3000 ve Thor modülleri, NVIDIA RTX PRO GPU’lar, NVIDIA DGX ve NVIDIA GeForce RTX GPU’ları da dahil olmak üzere geniş bir NVIDIA uç donanım yelpazesinde bellek açısından verimli, yüksek verimli çıkarımı destekler.
Cosmos 3 Edge gerçek zamanlı robot kontrolünü nasıl sağlar?
NVIDIA Jetson Thor üzerinde model, her çıkarımda 32 eylem üretir ve 15 Hz hızında robot kontrolünü sürdürür; böylece bulut hesaplamaya güvenmeden gerçek zamanlı akıl yürütme ve fiziksel kontrol sağlar.
Geliştiriciler Cosmos 3 Edge’i kendi kullanım senaryoları için özelleştirebilir mi?
Evet. Geliştiriciler modeli küçük bir H100 GPU kümesi veya bir NVIDIA DGX Station kullanarak ince ayar yapabilir ve NVIDIA, modeli özel iş yüklerine ve uzmanlaşmış uygulamalara uyarlamaya yardımcı olmak için referans sonradan eğitilmiş kontrol noktaları ve eğitim tarifleri sağlar.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”NVIDIA Cosmos 3 Edge nedir?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Cosmos 3 Edge, NVIDIA tarafından yayımlanan ve robotların ile görsel yapay zeka ajanlarının çevrelerini anlamalarına, akıl yürütmelerine ve uç cihazlarda gerçek zamanlı olarak fiziksel eylemler üretmelerine olanak tanıyan 4 milyar parametreli bir açık dünya modelidir.”}},{“@type”:”Question”,”name”:”Cosmos 3 Edge çıkarım için hangi donanımı destekler?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Model, NVIDIA Jetson T2000, T3000 ve Thor modülleri, NVIDIA RTX PRO GPU’lar, NVIDIA DGX ve NVIDIA GeForce RTX GPU’ları da dahil olmak üzere geniş bir NVIDIA uç donanım yelpazesinde bellek açısından verimli, yüksek verimli çıkarımı destekler.”}},{“@type”:”Question”,”name”:”Cosmos 3 Edge gerçek zamanlı robot kontrolünü nasıl sağlar?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”NVIDIA Jetson Thor üzerinde model, her çıkarımda 32 eylem üretir ve 15 Hz hızında robot kontrolünü sürdürür; böylece bulut hesaplamaya güvenmeden gerçek zamanlı akıl yürütme ve fiziksel kontrol sağlar.”}},{“@type”:”Question”,”name”:”Geliştiriciler Cosmos 3 Edge’i kendi kullanım senaryoları için özelleştirebilir mi?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Evet. Geliştiriciler modeli küçük bir H100 GPU kümesi veya bir NVIDIA DGX Station kullanarak ince ayar yapabilir ve NVIDIA, modeli özel iş yüklerine ve uzmanlaşmış uygulamalara uyarlamaya yardımcı olmak için referans sonradan eğitilmiş kontrol noktaları ve eğitim tarifleri sağlar.”}}]}
Bu makale, yapay zekâ desteğiyle hazırlanmış ve editör ekibi tarafından gözden geçirilmiştir.
