Nyílt forrású eszközkészletet kínál a fizikai AI fejlesztéséhez az AWS
Az Amazon bemutatta a Physical AI Toolchain on AWS nevű, nyílt forrású eszközkészletét, amely intelligens ipari gépek, autonóm rendszerek és humanoid robotok fejlesztését támogatja. A megoldás az NVIDIA fizikai AI szoftvereszközeivel együtt a szintetikus adatok előállításától a terepi telepítésig fedi le a fejlesztési folyamatot.
- Az AWS nyílt forrású Physical AI Toolchain eszközkészletet mutatott be.
- A rendszer a szintetikus adatoktól a terepi telepítésig támogatja a fejlesztést.
- Az eszközkészlet AWS és NVIDIA szolgáltatásokat, modelleket és könyvtárakat egyesít.
- Az Amazon szerint több mint 1 millió robot dolgozik a működési hálózatában.
- A gépek működési adatai a modellek folyamatos javítását szolgálhatják.
A fizikai AI kilép a képernyőről
Az Amazon október 8-i közleménye szerint a fizikai AI olyan gépeket tesz lehetővé, amelyek érzékelik és értelmezik a környezetüket, majd a valós világban cselekszenek. A hagyományos, rögzített utasításokat követő gépekkel szemben ezek a rendszerek a körülmények változásához is alkalmazkodhatnak.
A gépek működési adatai visszakerülnek a fejlesztési folyamatba, így az adatokkal folyamatosan újrataníthatók és javíthatók az őket vezérlő modellek. Az AWS szerint a technológia ipari automatizálásban, autonóm közlekedésben és humanoid robotikában is alkalmazható.
Az Amazon által idézett Global Startup Trends Report szerint világszerte minden hetedik startup fizikai AI-val foglalkozik, a fejlesztők 72 százaléka pedig alapvetőnek tartja a felhőalapú számítást a rendszereihez.
Öt pillérből áll az AWS eszközkészlete
A Physical AI Toolchain on AWS architektúra-ajánlásokat, telepítési automatizálást és használatra kész kódot egyesít. A megoldás öt fő területre épül: szintetikus adatok előállítására, modellbetanításra, szimulációra és ellenőrzésre, peremhálózati telepítésre, valamint folyamatos fejlesztésre.
A szintetikus adatok AI által létrehozott környezetekkel bővítik a tanítási helyzeteket, a szimuláció pedig lehetővé teszi a gépi viselkedés vizsgálatát a valódi hardver használata előtt. A betanított modellek ezután a terepen működő gépekre kerülhetnek, ahol állandó felhőkapcsolat nélkül is valós időben hozhatnak döntéseket.
Az AWS szolgáltatásai közül a rendszer az Amazon SageMakert, az Amazon EC2 GPU-példányait, az AWS IoT Greengrasset és az Amazon Bedrock AgentCore-t használja. Az NVIDIA oldaláról az Isaac Sim, az Isaac Lab, az Isaac GR00T és a Cosmos tartozik az ökoszisztémához.
Az ügyfelek a teljes fejlesztési láncot egy vezérlési felületről kezelhetik, vagy csak egyes elemeket, például szimulációs, betanítási vagy telepítési eszközöket választhatnak. A flottakezelés a gépek tömeges üzembe helyezését, biztonságát és vezeték nélküli frissítését is támogatja.
Amazon-robotikából származó tapasztalatokra épít
Az Amazon közlése szerint a vállalat működési hálózatában több mint 1 millió robot dolgozik, amelyek naponta több millió csomagot kezelnek, több százezer munkavállaló mellett. A cég szerint ez a tapasztalat segített meghatározni, milyen infrastruktúrára van szükség a valós környezetben önállóan működő gépekhez.
A közlemény példaként említi a NEURA Roboticsot, amely látni, hallani és tapasztalatból tanulni képes kognitív humanoid robotokat fejleszt. Az RLWRLD egy 8,1 milliárd paraméteres alapmodellen dolgozik, amely robotkezek tárgyak megfogását, forgatását és kezelését segíti. A Config több mint 200 000 órányi robotmozgási adatot gyűjtő adatfolyamot épített.
Uwem Ukpong, az AWS Industries alelnöke szerint az ügyfelek mérnöki munkájának túl nagy része fordítódott infrastruktúrára az innováció helyett. Az AWS azt szeretné, hogy a vállalatok gyorsabban jussanak el a modellek tanításától a valódi gépek telepítéséig.
Az Amazon szerint az eszközkészlet az egyedi hardverhez, működési környezethez és felhasználási célhoz is hozzáigazítható. A vállalatok így saját szakértelmüket és gépeiket kapcsolhatják össze egy nyílt forrású, teljes fejlesztési folyamatot lefedő AWS és NVIDIA infrastruktúrával.
