在最近举行的 SIGGRAPH 国际计算机图形学和交互技术会议上，英伟达展示了一系列针对机器人开发者的新技术，其中最引人注目的是他们推出的开源物理 AI 模型 ——Cosmos Reason。该模型参数量达到70亿，旨在为机器人提供更高效的视觉推理能力。
英伟达指出，自从 OpenAI 推出 CLIP 模型以来，视觉语言模型在计算机视觉领域取得了显著进展，尤其是在物体识别和模式识别等任务中。然而，传统模型在面对复杂的多步骤任务时常常力不从心，尤其是在处理模糊或新颖的现实情境时。Cosmos Reason 通过其卓越的记忆和理解能力，使得机器人能够像人类一样进行推理，从而在现实世界中做出更加合理的行动决策。
在英伟达展示的实际应用场景中，运行该视觉推理模型的机器人手臂成功地识别出 “面包 + 烤面包机” 的组合，并推导出合理的下一步动作是将面包放入烤面包机进行烘烤。这一过程被称为 “机器人规划与推理”，展示了 Cosmos Reason 在处理复杂指令时的高效性和灵活性。
除了作为机器人 “推理大脑” 外，Cosmos Reason 还可以广泛应用于其他 AI 领域。例如，它能够自动化处理大规模、多样化的训练数据集，进行整理和标注。此外，它还可以从大量视频数据中提取重要信息，并进行有效的分析。当前，该模型已经投入商业化运营，英伟达内部的机器人和自动驾驶团队正在使用它来进行数据整理和标注工作。
值得一提的是，优步也在利用 Cosmos Reason 为其自动驾驶训练数据提供标注和生成说明。而麦格纳国际则通过该模型开发全自动即时配送解决方案，旨在帮助车辆更快地适应新的城市环境。此外，VAST Data 和 Milestone Systems 等公司也在交通监控和视觉检测等领域应用这一技术。
除了 Cosmos Reason，英伟达还在 Cosmos 世界模型中新增了 Cosmos Transfer-2，旨在加速3D 仿真场景的合成数据生成。同时，英伟达更新了 Omniverse 软件开发工具包，并推出了新的神经重建库，进一步扩展了开发者的工具选择。
划重点:
1. 🤖 英伟达推出的 Cosmos Reason 模型，使机器人能够进行高效的视觉推理和复杂决策。
2. 🚗 该模型已在多个商业领域应用，包括优步的自动驾驶数据标注和麦格纳国际的配送解决方案。
3. 🛠️ 英伟达还更新了开发工具，推动机器人技术与 AI 的结合。
