Nvidiaは、自動運転車やロボットなどの物理的AI技術の基盤構築を目指し、新たなインフラストラクチャーとAIモデルを発表しました。これは、現実世界を認識し相互作用する技術の開発を進めるためのものです。
半導体大手のNvidiaは、カリフォルニア州サンディエゴで開催されたNeurIPS AIカンファレンスにおいて、自動運転研究向けのオープンリースニングビジョン言語モデル「Alpamayo-R1」を発表しました。このモデルは自動運転に特化した初のビジョン言語アクションモデルであるとしています。ビジョン言語モデルはテキストと画像を同時に処理し、車両が周囲を「見て」認識し、それに基づいて判断を下すことを可能にします。
この新しいモデルは、NvidiaのCosmos-Reasonモデルに基づいており、応答する前に意思決定を考えるリースニングモデルです。Nvidiaは2025年1月にCosmosモデルファミリーを初めてリリースし、8月には追加モデルを発表しました。
Alpamayo-R1のような技術は、特定の地域や状況で完全な自律性を実現するレベル4自動運転を目指す企業にとって重要であるということです。
Nvidiaは、この種のリースニングモデルが自動運転車に「常識」を与え、人間のように微妙な運転判断にアプローチできるようになることを期待しています。
この新しいモデルはGitHubとHugging Faceで利用可能です。
新しいビジョンモデルとともに、NvidiaはGitHubにCosmosモデルをより良く利用し訓練するためのステップバイステップガイド、推論リソース、ポストトレーニングワークフローをアップロードしました。これらは「Cosmos Cookbook」と呼ばれ、データキュレーション、合成データ生成、モデル評価をカバーしています。
これらの発表は、同社が物理的AIを新たな分野として推進する中で行われました。
Nvidiaの共同創設者兼CEOのジェンセン・フアン氏は、次のAIの波は物理的AIであると繰り返し述べてきました。Nvidiaのチーフサイエンティストであるビル・ダリー氏も、夏にTechCrunchとの会話で同様の見解を示し、ロボット工学における物理的AIを強調しました。
「最終的にロボットが世界で大きなプレイヤーになると考えており、私たちは基本的にすべてのロボットの頭脳を作りたいと思っています。そのためには、主要な技術を開発し始める必要があります」とダリー氏は述べました。
