Nvidia、新しいオープンAIモデルとツールで物理およびデジタルAIを前進

Nvidiaは、自律運転用のNvidia Drive Alpamayo-R1（AR1）を含む、物理およびデジタルAIのための新しいツールとオープンモデル開発を発表しました。このテックジャイアントは、NeurIPS AI会議で、オープンAIモデル、ツール、データセットのクラスターをさらに拡大していると発表しました。

Nvidiaは、新しいオープン物理およびデジタルAIモデルがAI業界およびその先での研究をサポートすることを目的としていると述べました。同社は、Alpamayo-R1が自律走行車向けの業界規模のオープン推論ビジョン言語アクション（VLA）モデルとして世界初であると強調しました。チップメーカーはまた、AIセキュリティおよび音声のための新しいデータセットとモデルのリリースを示唆しました。 

このテック企業の研究者たちは、会議での発表のために70本以上の論文、ワークショップ、講演を準備しました。同社は、医療研究、自律運転、AI推論にわたる革新的なプロジェクトを共有しています。 

Nvidia、オープンソースへのより強いコミットメントを示す

このテックジャイアントは 「示しました」 AIイベントにおいてオープンソースへのより実質的なコミットメントを示し、この取り組みはAIベンチマークプラットフォームであるArtificial Analysisによって新しいOpenness Indexで評価されました。Artificial Analysis Open Indexは、同社のNemotronファミリーのAIツールを最高の利用可能なものの一つとして評価しました。この評価は、共有された技術情報の量、モデルライセンスの使いやすさ、データ使用規制の明確さに基づいています。 

一方、AR1（Alpamayo-R1）は、チェーン・オブ・スレッドAI推論とパスプランニングを統合し、レベル4の自律性を可能にし、さまざまな道路シナリオにおけるAV（自律走行車）の安全性を向上させます。チップメーカーは、自律走行モデルの以前の反復版は、歩行者の多い交差点、自転車レーンに二重駐車している車、または接近する道路閉鎖などの状況で苦労していたと述べました。しかし、推論により自律走行車は人間のように運転するための常識を得ます。

AR1モデルは、シナリオを分解し、各ステップを推論してすべての可能な結果を考慮することでこれを実現します。その後、文脈データを使用して最も効果的な行動コースを決定します。 

Nvidia 「AR1は、チェーン・オブ・スレッド推論にアクセスし、パス沿いのデータを処理して情報を活用して軌道を計画（例えば、飛び出し歩行者のために停止するなど）することを可能にしていると主張しています。モデルのオープンな基盤は、研究者が非商用のユースケース用にカスタマイズできるようにするテック企業のCosmos Reasonに基づいています。」 

チップメーカーによると、研究者はAR1モデルをベンチマークやAV用の実験的アプリケーションの開発のためにカスタマイズすることもできます。Nvidia Drive Alpamayo-R1はHugging Faceおよび GitHubで利用可能になり、モデルのトレーニングおよび評価に使用されるデータのサブセットはNvidia Physical AI Open Datasetsで利用可能です。 

AR1のポストトレーニングにおける強化学習の有効性 

Nvidiaの研究者は、強化学習がAR1のポストトレーニングにおいて効果的であることを証明したと主張しました。彼らは、開発者がCosmosを使用してモデルを使用およびポストトレーニングする方法を、ステップバイステップの推論に基づいて学ぶこともできると指摘しました。研究者は、クイックスタート推論および高度なポストトレーニングの例が Cosmos Cookbookで見つけられると述べています。物理AI開発者向けの包括的なガイドには、ステップバイステップのデータキュレーション、モデル評価、および合成データの生成が含まれています。

一方、チップメーカーは、Cosmosベースのアプリケーションの可能性は事実上無限大であると述べています。テックジャイアントは、LidarGen、Omniverse NuRec Fixer、Cosmos Policy、ProtoMotions3など、Cosmosベースのアプリケーションの例を提供しました。 

テック企業は、LidarGenが自律走行車シミュレーション用のリダーデータを生成する世界初のモデルであると自慢しました。また、ロボット工学およびAVシミュレーション用のOmniverse NuRec FixerモデルがNvidiaのCosmos Predictに依存していることも言及しました。 

ProtoMotions3は、Nvidia NewtonおよびIsaac Lab上に構築されたオープンソースのGPUアクセラレーテッドフレームワークです。チップメーカーによると、このフレームワークは物理的にシミュレートされた人間型ロボットおよびデジタルヒューマンのトレーニングに使用できます。Cosmosの世界基盤モデル（WFMs）は、現実的なシーンを生成するために使用できます。

Nvidiaはまた、ポリシーモデルをIsaac SIMおよびIsaac Labでトレーニングできることも言及しました。ポリシーモデルから生成されたデータは、その後チップメーカーの Groot N ロボティクス用のモデルのポストトレーニングに使用できます。