de.wedoany.com-Bericht: NVIDIA hat Fähigkeiten und Werkzeuge für Physical AI vorgestellt, die die Entwicklung in Bereichen wie Robotik, autonome Fahrzeuge und industrielle digitale Zwillinge in feingranulare Aufgaben zerlegen, die KI-Agenten eigenständig ausführen können. Diese Fähigkeiten, die als Teil des NVIDIA Agent Toolkit veröffentlicht wurden, ermöglichen es Agenten, direkt auf die Bibliotheken, Modelle und Frameworks von NVIDIA zuzugreifen, um die Datengenerierung, Simulationsausführung, das Modelltraining, die Ergebnisbewertung und die endgültige Bereitstellung zu beschleunigen.
Jensen Huang, Gründer und CEO von NVIDIA, erklärte, dass KI-Agenten die Softwareentwicklung verändern und dieser Wandel sich nun auf den Bereich Physical AI ausweitet, der tief in Systeme des Verkehrs, der Fertigung, des Gesundheitswesens und der Robotik eindringt. Wenn Agenten direkt die Bibliotheken, Modelle und Frameworks von NVIDIA nutzen können, wird die Entwicklung von Physical AI beschleunigt.
NVIDIA baut seinen Physical-AI-Technologie-Stack neu auf, mit Agenten im Kern, und verwandelt Bibliotheken, Modelle und Frameworks in Werkzeuge, die Agenten direkt aufrufen können. Dies umfasst das Cosmos World Foundation Model, die Omniverse-Bibliotheken, die Isaac-Robotiksimulation, Metropolis Vision AI, Alpamayo für autonomes Fahren und die Jetson Edge-AI-Plattform. Die neuen Fähigkeiten im Agent Toolkit wandeln die Physical-AI-Entwicklung in wiederholbare, schrittweise Anweisungen um, denen Codierungsagenten folgen können, wobei klar definiert ist, welche Werkzeuge aufgerufen werden, welche Ausgaben erzeugt werden und wie die Zuverlässigkeit der Ergebnisse überprüft wird.
Im Bereich der Sicherheit können Entwickler mit dem NVIDIA NemoClaw Blueprint und der NVIDIA OpenShell Runtime autonome Agenten erstellen und bereitstellen, die auf Basis von Richtlinien eine erhöhte Sicherheits- und Datenschutzverwaltung bieten.
Diese Fähigkeiten beschleunigen die Agentenentwicklung in folgenden Bereichen: Robotik und Edge-KI, autonome Fahrzeuge, Echtzeit-Vision-KI-Agenten, industrielle KI und Gesundheitswesen. Robotik-Entwickler können den Prozess von der Generierung von Wahrnehmungsdaten über das Simulationstraining bis hin zur Navigationsautomatisierung und Bereitstellung auf Edge-Systemen beschleunigen; Entwickler autonomer Fahrzeuge können Flottendaten in Simulationsumgebungen rekonstruieren, realistische Fahrszenarien generieren und geschlossene Verstärkungslernschleifen ausführen; Vision-KI-Teams können synthetische Trainingsdaten generieren, Modelle feinabstimmen, automatisch annotieren und Video-KI-Agenten erstellen; Industrielle Softwareentwickler können Ingenieurdaten in CAD-Assets für digitale Zwillingssimulationen umwandeln und große OpenUSD-Szenen optimieren; Medizinteams können vor der klinischen Bereitstellung digitale Zwillinge von Krankenhausumgebungen erstellen, Daten von der Simulation zur Realität generieren und Software-in-the-Loop-Strategietests durchführen. Diese Fähigkeiten können kombiniert und in größere Agentensysteme integriert werden, was Entwicklern ermöglicht, komplexe Arbeitsabläufe zu orchestrieren und zu automatisieren, einschließlich Datengenerierung, Simulation, Optimierung, Inferenzoptimierung und kontinuierlicher Evaluierung.
Die NVIDIA Physical-AI-Agenten-Tools und -Fähigkeiten sind jetzt über GitHub und skills.sh als Open Source verfügbar und können von jedem Codierungsagenten genutzt werden.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
