半岛·体育中国官方网站平台登陆英伟达开源世界基础模型 人形机器人加速迈向“ChatGPT时刻”

　　半岛·体育中国官方网站平台登陆英伟达开源世界基础模型 人形机器人加速迈向“ChatGPT时刻”或运动数据生成基于物理学的视频，实现对现实环境（如仓库、工厂、交通路况等）的预测，从而完成对

　　所谓物理AI大模型，即是世界基础模型，其能够理解世界语言、物理特性半岛官网入口网页版、空间位置等要素，并合成相关物理数据。是加速智能汽车、具身智能等AI终端普及的关键所在。相较于ChatGPT等大语言模型的飞跃式进程，世界模型仍处于较为早期的阶段。其普遍面临开发成本高、无法持续遵守物理规则等问题。

　　事实上，采用逼真物理环境对机器人进行训练的尝试可以追溯至2024年6月，当时其运用仿真框架RoboCasa，提供了超过150个物体类别的数千个3D模型和数十种可交互的家具和家电。在相关实验中，证明了合成物理数据在机器人训练中的有效性。

　　黄仁勋表示，“世界基础模型是推动机器人和自动驾驶汽车开发的基础，但并非所有开发者都拥有自主训练模型所需的专业知识和资源。我们创建Cosmos是为了普及物理AI，让每一位开发者都能接触到通用机器人技术。”

　　截至目前，已有数个公司推出世界基础模型。2024年12月5日，谷歌发布大型基础世界模型Genie2，可生成较为逼线XTechnologies发布人形机器人世界模型，可以模拟出机器人在不同动作下的未来场景。

　　此外，视频生成模型也被视作通往世界基础模型的路径之一。在视频生成领域，Sora、Runway等均表达了希望进军世界模型的想法。开源证券指出，视频生成和世界模型均有诸多相似之处，均将复杂外部世界获取的数据进行编码和压缩、抽象成为低维度的向量，并采用Transformer或者其他模型在时空维度学习这些知识进而实现预测。

　　华泰证券今日研报指出，受到文本大模型的启发，也开始构建具身大模型，首当其冲的便是解决数据问题。自动驾驶可简化为3D空间中的2D运动，而机器人是3D空间中的3D运动，还需包括力触觉等信息，因此理论上机器人所需数据量高于自动驾驶。目前，训练数据的收集主要依赖三种方式：

　　根据现有的互联网视频捕捉动作数据，虽然不需要构建仿真物理引擎，但涉及复杂的坐标转换和缺少力触觉等信息维度。

　　认为，在上述三种方式中，合成数据将大大促进机器人发展，学界已经证明了上述方式的可行性，机器脑已迎来ChatGPT时刻。