Résumé des actualités :
- Ce modèle permet le traitement et la conservation des données à grande échelle, la génération de données synthétiques, l’apprentissage par renforcement et l’évaluation de modèles d’IA physique pour les agents d’IA de vision, la robotique et les véhicules autonomes.
- Les fournisseurs de services Cloud, tels que Microsoft Azure et Nebius, fournissent le modèle pour transformer des capacités de calcul à l’échelle mondiale en moteurs de production de données clé en main pilotés par des agents.
- Les principaux développeurs d’IA physique, FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, Skild AI, Uber et Teradyne Robotics, utilisent ce modèle pour accélérer le développement de la robotique, des agents d’IA de vision et des véhicules autonomes.
GTC—NVIDIA a annoncé aujourd’hui le lancement du Blueprint NVIDIA pour l’usine de données d’IA physique, une architecture de référence ouverte qui unifie et automatise la façon dont les données d’entraînement sont générées, augmentées et évaluées, afin de réduire les coûts, les délais et la complexité de l’entraînement de systèmes d’IA physique à grande échelle.
Ce modèle permet aux développeurs d’utiliser les modèles de fondation de monde ouvert NVIDIA Cosmos et les principaux agents de codage pour transformer des données d’entraînement limitées en jeux de données vastes et diversifiés, notamment des cas limites rares et des scénarios de longue traîne qui sont coûteux, chronophages et souvent peu pratiques à capturer dans le monde réel.
NVIDIA collabore avec Microsoft Azure et Nebius pour intégrer le modèle ouvert à leur infrastructure et leurs services Cloud, afin de permettre aux développeurs de transformer une puissance de calcul accéléré en données d’entraînement à haut volume. Les principaux développeurs d’IA physique, FieldAI, Hexagon Robotics, Linker Vision, Milestone Systems, RoboForce, Skild AI, Teradyne Robotics et Uber, utilisent ce modèle pour accélérer le développement de la robotique, des agents d’IA de vision et des véhicules autonomes.
« L’IA physique constitue la nouvelle frontière de la révolution de l’IA, car la réussite de cette dernière dépend de la capacité à générer d’énormes quantités de données », a déclaré Rev Lebaredian, vice-président d’Omniverse et des technologies de simulation chez NVIDIA. « Avec les leaders du Cloud, nous mettons à disposition un nouveau type de moteur agentique capable de transformer le calcul en données de haute qualité nécessaires pour donner vie à la nouvelle génération de systèmes autonomes et de robots. » Dans cette nouvelle ère, le calcul est la donnée. »
Moteur unifié pour le développement de l’IA physique
L’IA physique suit les lois de la mise à l’échelle : les performances s’améliorent à mesure que les données, la capacité de calcul et la capacité des modèles augmentent. Le modèle d’usine de données d’IA physique sert d’architecture de référence unique qui permet aux équipes de passer des données brutes à des jeux d’entraînement prêts à l’emploi grâce à des workflows modulaires et automatisés :
- Gestion et recherche : NVIDIA Cosmos Curator traite, affine et annote des jeux de données réelles et synthétiques à grande échelle.
- Augmentation et multiplication : Cosmos Transfer étend et diversifie de manière exponentielle les données organisées, en multipliant les entrées réelles et simulées pour mieux capturer les scénarios rares et de longue traîne dans divers environnements et conditions d’éclairage.
- Évaluation et validation : NVIDIA Cosmos Evaluator, alimenté par Cosmos Reason et désormais disponible sur GitHub, note automatiquement, vérifie et filtre les données générées pour garantir une précision physique et une préparation à l’entraînement.
NVIDIA utilise le Physical AI Data Factory Blueprint pour entraîner et évaluer NVIDIA Alpamayo, les premiers modèles d’action langage-vision ouverts au monde basés sur le raisonnement pour la conduite autonome de longue traîne. Skild AI applique ce modèle pour faire progresser les modèles de fondation de robots à usage général, tandis qu’Uber l’utilise pour accélérer le développement des véhicules autonomes.
Orchestration pilotée par des agents à grande échelle
De nombreux développeurs en robotique ne sont pas équipés pour mettre en place et gérer l’infrastructure d’IA complexe nécessaire à la génération de données à grande échelle.
NVIDIA OSMO, un framework d’orchestration open source, unifie et gère ces workflows sur tous les environnements de calcul, ce qui réduit les tâches manuelles afin que les développeurs puissent se concentrer sur la création de leurs modèles.
OSMO s’intègre désormais aux principaux agents de codage tels que Claude Code, OpenAI Codex et Cursor, permettant des opérations natives de l’IA où les agents gèrent de manière proactive les ressources, résolvent les goulots d’étranglement et accélèrent la livraison de modèles à grande échelle.
Alimenter l’écosystème mondial de l’IA physique
Les fournisseurs de services Cloud jouent un rôle essentiel dans la fourniture de l’infrastructure d’IA accélérée, des opérations d’apprentissage automatique et des services d’orchestration dont les développeurs ont besoin pour créer et déployer l’IA physique à grande échelle.
Microsoft Azure intègre le modèle d’usine de données d’IA physique à une chaîne d’outils d’IA physique ouverte, désormais disponible sur GitHub. Le modèle offre une intégration aux services Azure, notamment les opérations IoT Azure, Microsoft Fabric, l’intelligence en temps réel, Microsoft Foundry et GitHub Copilot, afin de fournir des workflows de niveau entreprise basés sur des agents pour l’entraînement et la validation rapides et à grande échelle de systèmes d’IA physique.
FieldAI, Hexagon Robotics, Linker Vision et Teradyne Robotics sont parmi les premiers à tester la chaîne d’outils d’IA physique Azure pour accélérer et mettre à l’échelle la génération, l’augmentation et l’évaluation des données à travers leurs pipelines de perception, de mobilité et d’apprentissage par renforcement.
Nebius a intégré OSMO à son Cloud d’IA, ce qui permet aux développeurs d’utiliser ce modèle pour déployer des pipelines de données prêts pour la production et adaptés à leurs besoins. L’infrastructure de Nebius alimente la pile d’IA physique de bout en bout, en combinant les GPU NVIDIA RTX PRO ™ 6000 Blackwell Server Edition avec un stockage d’objets ultra-rapide, une gestion et un étiquetage de données natifs, une exécution sans serveur et une inférence gérée intégrée.
Les premiers utilisateurs, Milestone Systems, Voxel51 et RoboForce, exploitent le blueprint sur l’infrastructure Nebius afin d’accélérer le développement de modèles pour les agents d’IA d’analyse vidéo, les véhicules autonomes et les robots humanoïdes industriels.
Le modèle d’usine de données d’IA physique de NVIDIA devrait être disponible sur GitHub en avril.
Regardez la keynote de Jensen Huang, fondateur et PDG de NVIDIA, à la GTC, et explorez les sessions.