NVIDIA erweitert Cosmos für seltene Szenarien der physischen KI
NVIDIA stellte am 21. Oktober fünf neue Data-Factory-Abläufe sowie Trainings- und Simulationstools für Cosmos vor. Der Partner Encord berichtet von über 1.500 Clips aus 410 Referenzbildern in einem ANYbotics-Fall. Dessen Messergebnisse dürfen nicht als allgemeiner Leistungsgewinn für Roboter gelesen werden.
Was ist bei Cosmos neu?
NVIDIA stellte am 21. Oktober 2026 Werkzeuge für Datenaufbereitung, Modellanpassung, Simulation und Bereitstellung innerhalb von Cosmos vor. Das sind kombinierbare Bausteine, kein überall sicher erprobter Universalroboter. Wer sie einsetzt, muss Datenrechte, Hardwarebedarf, Modellfehler und die Bedingungen des eigenen Standorts einzeln prüfen. Das öffentliche Data-Factory-Verzeichnis beschreibt mehrere nachprüfbare Voraussetzungen. NVIDIA-Mitteilung · Data-Factory-Verzeichnis
Fünf Vorlagen für unterschiedliche Datenlücken
Data Factory nennt fünf Abläufe: Erstellung von Datensätzen für autonomes Fahren, Änderung von Bildattributen, Erzeugung von Ereignisvideos, Defektbilder und Erweiterung vorhandener Videos. Sie behandeln schwer erfassbare Fahrsituationen, variierende Objektmerkmale, seltene Ereignisse aus Standbildern, industrielle Fehler und Wetter- oder Lichtwechsel. Das Verzeichnis erläutert die Ablaufsteuerung, Kubernetes-Unterstützung und unterschiedliche GPU-Anforderungen. Verfügbare Software allein beweist weder die physikalische Plausibilität noch den Nutzen jeder erzeugten Probe. NVIDIA-Mitteilung · Data-Factory-Verzeichnis
Warum seltene Ereignisse erzeugen?
Eine Inspektionskamera zeigt über lange Zeit normale Zustände, während Lecks selten auftreten. Gefährliche Fahrsituationen sind ebenfalls schwer gezielt aufzuzeichnen. Synthetische Beispiele können die Abdeckung erweitern, ohne auf einen echten Zwischenfall zu warten. Gleichzeitig können falsche Beschriftungen, unplausible Bewegungen und irreführende Hintergründe entstehen. Die bloße Anzahl der Clips ist deshalb kein Erfolgsmaß. Entscheidend sind Erkennung an zurückgehaltenen realen Ereignissen, Fehlalarme und Beständigkeit über Standorte und Sensoren hinweg. Dies ist eine vorgeschlagene Prüfmethodik, keine allgemein bewiesene Wirkung des Produkts. NVIDIA-Mitteilung · Encord-Fallbericht
Was berichtet ANYbotics' Partner?
Encord gibt an, mit ANYbotics aus 410 Referenzbildern mehr als 1.500 Ereignisclips für neun Änderungstypen erzeugt zu haben. Bei Inspektionspunkten mit synthetischen Beispielen sei die Erkennungsrate realer Anomalien in der eigenen Auswertung um 24 Prozent gestiegen. NVIDIA erwähnt ebenfalls die mehr als 1.500 Clips. Die zugrunde liegenden Testdaten wurden für diesen Artikel nicht unabhängig geprüft. Ein relativer Zuwachs ist kein absoluter Genauigkeitswert, und ein einzelner Einsatzort belegt denselben Effekt bei anderen Robotern nicht. Encord-Fallbericht · NVIDIA-Mitteilung
Wie sind Training und Simulation verbunden?
NVIDIA beschreibt zusätzliche Wege zur Anpassung kompatibler offener Modelle im Cosmos Framework, darunter Feinabstimmung, verstärkendes Lernen, Destillation und Quantisierung. Varianten von Cosmos 3 Nano sollen wiederholbare Szenarien mit mehreren Ansichten und Sensoren ermöglichen. Simulation kann den Vergleich von Fahr- oder Roboterstrategien erleichtern, ersetzt aber keinen Sicherheitstest in der Wirklichkeit. Sensorausfälle, Oberflächen, Beleuchtung und Menschen verhalten sich möglicherweise anders als im generierten Film. NVIDIA nennt außerdem bis zu doppelte Inferenzgeschwindigkeit für Cosmos 3 NIM in validierten Konfigurationen. Das ist keine Zusage für jede Hardware und Aufgabe. NVIDIA-Mitteilung
Wie sollte ein Pilotversuch aussehen?
Zuerst eine wichtige, seltene Störung auswählen und reale Beispiele ausschließlich für die Bewertung zurückhalten. Danach synthetische Clips schrittweise ergänzen und Treffer, Fehlalarme, menschlichen Prüfaufwand und Unterschiede zwischen Kameras erfassen. Wenn ein Gewinn an einem anderen Standort ausbleibt, sollten Eingaben, Beschriftungen und Datenverteilung untersucht werden, bevor nur die Menge erhöht wird. Das öffentliche Verzeichnis bietet einen technischen Einstieg, und Encord beschreibt einen positiven Einzelfall. Die Abnahmekriterien für den eigenen Produktionsbetrieb müssen Betreiber dennoch selbst festlegen und anhand realer Daten prüfen. Data-Factory-Verzeichnis · Encord-Fallbericht
Mehr Treffer, aber auch mehr Fehlalarme
Encord berichtet zugleich von einer höheren Fehlalarmrate bei normalen Szenen; einige Änderungstypen verbesserten sich kaum. Die vorgeschlagene Ergänzung durch variierte Normalbilder ist eine noch zu prüfende Gegenmaßnahme. Für Betreiber zählt daher auch der Aufwand zur Prüfung falscher Warnungen. Encord-Fallbericht
Sources
FAQ
Welche fünf Data-Factory-Vorlagen gibt es?
Sie betreffen Fahrdatensätze, Bildattribute, Ereignisvideos, Defektbilder und die Erweiterung vorhandener Videos. Die Bereitstellung der Werkzeuge garantiert nicht die Qualität jeder erzeugten Probe.
Beweist ANYbotics einen allgemeinen Nutzen für Roboter?
Nein. Die Zahlen stammen aus einer bestimmten Auswertung des Projektpartners Encord. Andere Anlagen, Kameras und Roboter müssen eigenständig mit realen Fällen geprüft werden.
Wie wird der Nutzen synthetischer Daten getestet?
Reale Störungen sind für eine unabhängige Bewertung zurückzuhalten. Danach sollten Treffer, Fehlalarme und menschlicher Prüfaufwand bei schrittweiser Zugabe synthetischer Beispiele verglichen werden.