NVIDIA veröffentlicht einen umfangreichen Open-Source-Datensatz für die Entwicklung der nächsten Generation der physischen KI. Das NVIDIA Physical AI Dataset kann Entwicklern helfen, die KI-Leistung während des Pre-Trainings zu skalieren, bei dem mehr Daten helfen, ein robusteres Modell zu erstellen – und während des Post-Trainings, bei dem ein KI-Modell auf zusätzlichen Daten trainiert wird, um seine Leistung für einen bestimmten Anwendungsfall zu verbessern.
Der erste Datensatz ist jetzt auf Hugging Face verfügbar und bietet Entwicklern 15 Terabyte an Daten, die mehr als 320.000 Trajektorien für das Robotik-Training darstellen, sowie bis zu 1.000 Universal Scene Description (OpenUSD) Assets, einschließlich einer SimReady-Sammlung. Spezielle Daten zur Unterstützung der End-to-End-Entwicklung von autonomen Fahrzeugen – einschließlich 20-Sekunden-Clips verschiedener Verkehrsszenarien aus über 1.000 Städten in den USA und zwei Dutzend europäischen Ländern – werden in Kürze verfügbar sein.
Das NVIDIA Physical AI Dataset soll eine Teilmenge der realen und synthetischen Daten enthalten, die NVIDIA zum Trainieren, Testen und Validieren der physischen KI für die Entwicklungsplattform NVIDIA Cosmos, den AV-Software-Stack NVIDIA DRIVE, die KI-Roboter-Entwicklungsplattform NVIDIA Isaac und das Anwendungsframework NVIDIA Metropolis für intelligente Städte verwendet.
Zu den ersten Anwendern gehören das Berkeley DeepDrive Center an der University of California, Berkeley, das Carnegie Mellon Safe AI Lab und das Contextual Robotics Institute an der University of California, San Diego.
„Wir können mit diesem Datensatz z. B. prädiktive KI-Modelle trainieren, die autonomen Fahrzeugen helfen, die Bewegungen gefährdeter Verkehrsteilnehmer wie Fußgänger besser zu verfolgen“, so Henrik Christensen, Leiter mehrerer Labore für Robotik und autonome Fahrzeuge an der UCSD. „Ein Datensatz, der eine Vielzahl von Umgebungen und längere Clips als die bestehenden Open-Source-Ressourcen bietet, wird enorm hilfreich sein, um die Robotik- und AV-Forschung voranzutreiben.“ (jr)
