Репортаж от Wedoany，NVIDIA выпустила навыки и инструменты для физического ИИ, которые разбивают разработку в таких областях, как робототехника, автономные автомобили и промышленные цифровые двойники, на мелкозернистые задачи, которые ИИ-агенты могут выполнять автономно. Эти навыки, представленные в рамках NVIDIA Agent Toolkit, позволяют агентам напрямую вызывать библиотеки, модели и фреймворки NVIDIA для ускорения генерации данных, запуска симуляций, обучения моделей, оценки результатов и финального развертывания.
Основатель и генеральный директор NVIDIA Дженсен Хуанг (Jensen Huang) заявил, что ИИ-агенты меняют разработку программного обеспечения, и этот переход распространяется на область физического ИИ, глубоко проникая в системы транспорта, производства, здравоохранения и робототехники. Когда агенты смогут напрямую использовать библиотеки, модели и фреймворки NVIDIA, разработка физического ИИ ускорится.
NVIDIA перестраивает свой стек технологий физического ИИ вокруг агентов, превращая библиотеки, модели и фреймворки в инструменты, которые агенты могут вызывать напрямую. Это включает мировую базовую модель Cosmos, библиотеки Omniverse, симуляцию роботов Isaac, визуальный ИИ Metropolis, автономное вождение Alpamayo и платформу периферийного ИИ Jetson. Новые навыки, представленные в Agent Toolkit, преобразуют разработку физического ИИ в повторяемые пошаговые инструкции, которым следуют кодирующие агенты, четко определяя, какие инструменты вызывать, какие результаты генерировать и как проверять надежность результатов.
В области безопасности разработчики могут создавать и развертывать автономных агентов с помощью NVIDIA NemoClaw Blueprint и среды выполнения NVIDIA OpenShell, добавляя управление безопасностью и конфиденциальностью на основе политик.
Эти навыки ускоряют разработку агентов в следующих областях: робототехника и периферийный ИИ, автономные автомобили, агенты реального времени для визуального ИИ, промышленный ИИ и здравоохранение. Разработчики роботов могут ускорить процесс от генерации данных восприятия до симуляционного обучения, автоматизации навигации и развертывания на периферийных системах; разработчики автономных автомобилей могут реконструировать данные автопарка в симуляционные среды, генерировать реалистичные сценарии вождения и запускать циклическое обучение с подкреплением; команды визуального ИИ могут генерировать синтетические обучающие данные, донастраивать модели, автоматически размечать и создавать видео-ИИ-агентов; разработчики промышленного ПО могут преобразовывать инженерные данные в CAD-активы, необходимые для симуляции цифровых двойников, и оптимизировать большие сцены OpenUSD; медицинские команды могут до клинического развертывания завершить создание цифровых двойников больничной среды, генерацию данных от симуляции к реальности и тестирование политик в цикле программного обеспечения. Эти навыки можно комбинировать и интегрировать в более крупные системы агентов, что позволяет разработчикам оркестровать и автоматизировать сложные рабочие процессы, включая генерацию данных, симуляцию, оптимизацию, настройку вывода и непрерывную оценку.
Инструменты и навыки для физических ИИ-агентов от NVIDIA теперь доступны с открытым исходным кодом через GitHub и skills.sh и могут использоваться любыми кодирующими агентами.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
