NVIDIA представила на GTC Taipei открытый набор инструментов и навыков для «физического» AI

На GTC Taipei компания объявила выпуск большой коллекции open‑source навыков и инструментов для физического AI, которые переводят сложные рабочие процессы в робототехнике, автономных авто, компьютерном зрении и цифровых двойниках в выполняемые агентом

На конференции GTC Taipei NVIDIA анонсировала крупный релиз открытых инструментов и навыков для так называемого «физического» AI-систем, которые взаимодействуют с реальным миром. Генеральный директор Jensen Huang подчеркнул, что переход агентов от написания кода к оркестровке задач теперь распространяется на физические системы, что может изменить транспорт, производство, здравоохранение и робототехнику; это ориентировано на ускорение рабочих конвейеров и упрощение вывода продуктов на рынок.

Релиз объединяет несколько ключевых компонентов: Cosmos — модели рассуждения и генерации для физического мира; Omniverse — платформа для симуляции и цифровых двойников; Isaac — симуляции роботов и среды для обучения; Metropolis — решения для vision AI; Alpamayo — стек для автономного вождения; а также платформа Jetson для edge AI. Все эти элементы доступны через NVIDIA Agent Toolkit, который превращает библиотеки, модели и фреймворки в вызываемые агентом инструменты и навыки.

Новые навыки в Agent Toolkit формализуют процессы разработки физического AI в повторяемые инструкции: какие инструменты вызывать, какие выходы ожидать и как валидировать результаты. Подход охватывает генерацию данных, симуляцию, обучение, оценку и деплоймент, что делает рабочие конвейеры более воспроизводимыми и автоматизируемыми в проектах с роботами, автономными транспортными средствами, системами компьютерного зрения и промышленными цифровыми двойниками.

Компания сообщает, что уже ряд отраслевых игроков использует эти инструменты: Agile Robots, Cadence, Dassault Systèmes, Delta Electronics, Foxconn, Pegatron, PTC, Siemens, Synopsys и TSMC. Ожидается, что открытый доступ к навыкам и инструментам сократит затраты, уменьшит время разработки и упростит масштабирование проектов физического AI, ускоряя вывод роботов, автономных машин и промышленных систем на рынок.