Souhrn
Společnost Nvidia představila technologii AI s prvky uvažování určenou pro autonomní automobily, která umožňuje vozidlům lépe plánovat složité scénáře na silnici. Firma plánuje spustit testy služby robotaxi v roce 2027 a zároveň uvedla nové AI modely a čipy pro aplikace v robotice a fyzickém světě. Tento krok posiluje postavení Nvidia v oblasti hardwaru pro autonomní systémy.
Klíčové body
- Nvidia vyvinula ‘reasoning’ AI technologii, která umožňuje autonomním vozům uvažovat o více variantách situací a rozhodovat se efektivněji než dosavadní reaktivní systémy.
- Plán testů robotaxi služby v roce 2027, což představuje vstup Nvidia přímo do provozu bez řidiče.
- Nové AI modely pro fyzickou AI (physical AI), včetně Cosmos, které simulují reálné prostředí pro trénink robotů a vozidel.
- Prezentace nových čipů, jako DRIVE Thor, optimalizovaných pro zpracování velkých objemů dat z senzorů v reálném čase.
- Partnerství s firmami jako Uber a Zoox, které ukázaly pokročilé roboty poháněné Nvidia technologií.
Podrobnosti
Nvidia, přední výrobce grafických procesorů (GPU) a klíčový dodavatel čipů pro AI trénink, se zaměřuje na tzv. fyzickou AI, která přenáší schopnosti velkých jazykových modelů (LLM) do reálného světa. Nově představená ‘reasoning’ AI technologie, integrována do platformy DRIVE, umožňuje autonomním vozům nejen detekovat objekty pomocí kamer a lidarů, ale i uvažovat o kontextu – například předvídat chování chodců, plánovat alternativní trasy při nečekaných událostech nebo koordinovat s jinými vozidly v husté dopravě. Tato schopnost vychází z pokročilých modelů podobných těm v ChatGPT, ale přizpůsobených pro časově kritické rozhodování v milisekundách.
Součástí oznámení je plán testů robotaxi služby v roce 2027, kde Nvidia vstoupí do konkurenčního prostředí dominovaného firmami jako Waymo (Alphabet) nebo Tesla s jejich Full Self-Driving (FSD). Robotaxi budou využívat čip DRIVE Thor, který nabízí až 2000 teraflopů výkonu pro AI výpočty, což je čtyřnásobek předchozí generace Orin. Tento čip slouží k zpracování dat z více senzorů současně a podporuje end-to-end učení, kde model přímo mapuje vstupy z kamer na výstupy řízení bez mezikroků.
Dále Nvidia uvedla modely pro physical AI, jako Cosmos, který generuje syntetická data pro trénink v simulovaných prostředích. To řeší problém nedostatku reálných dat pro bezpečné učení AI. Na konferenci GTC partneri jako Figure AI nebo Agility Robotics předvedli humanoidní roboty poháněné těmito technologiemi, schopné manipulace s objekty v továrnách. Nvidia tak rozšiřuje ekosystém NVIDIA Omniverse, platformu pro simulace, která umožňuje vývojářům testovat autonomní systémy virtuálně před nasazením.
Tento přístup kontrastuje s přístupem Tesly, která spoléhá primárně na kamerové vstupy, zatímco Nvidia podporuje multimodální senzory. Nicméně kritici poukazují na to, že plné uvažování v AI stále vyžaduje obrovské množství dat a výpočetního výkonu, což zvyšuje náklady na hardwar.
Proč je to důležité
Tato novinka urychluje přechod k úrovni 4 a 5 autonomie (podle SAE klasifikace), kde vozy jedou bez řidiče v městském prostředí, což by mohlo snížit nehody o 90 % díky eliminaci lidských chyb. Pro průmysl znamená posílení dominance Nvidia v trhu autonomních vozidel, kde již dodává čipy pro 80 % vývojových projektů. V širším kontextu fyzické AI to otevírá dveře k masovému nasazení robotů v logistice a výrobě, s potenciálem fundingů v miliardách dolarů. Konkurence s Čínou (např. Baidu Apollo) a regulační tlaky v EU a USA však zůstávají výzvami, kde bezpečnostní certifikace bude klíčová.
Zdroj: 📰 Slashdot.org
