اگر توسعهدهنده رباتیک هستید، میدانید جمعآوری دادههای واقعی چقدر گران و زمانبر است. تصور کنید بتوانید هزاران ساعت تجربه ربات را بدون روشن کردن حتی یک موتور واقعی تولید کنید.
مدلهای جهانی (World Models) — شبیه یک شبیهساز پرواز برای دنیای واقعی هستند که قوانین فیزیک را پیشبینی میکنند. همانطور که در تحلیل قبلی ما دربارهی مدلهای بنیادی اشاره کردیم، چالش اصلی این مدلها، تطبیق با سختافزارهای خاص یا زوایای دوربین غیرمعمول است.
به نقل از مستندات NVIDIA، مدل NVIDIA Cosmos Predict 2.5 اکنون از طریق تنظیم دقیق (Fine-tuning) — مثل وقتی به یک پزشک عمومی، تخصص پوست میدهیم — بهینه میشود. این شرکت در ۱۸ آوریل ۲۰۲۶ راهکاری را معرفی کرد که از LoRA (Low-Rank Adaptation) و DoRA استفاده میکند تا مدل بدون فراموش کردن دانش کلی، حوزههای جدید را یاد بگیرد.
طبق گزارش این شرکت، جزئیات فنی این فرآیند به شرح زیر است:
- سختافزار: آموزش ۱۰۰ دوره (Epoch) در ۲.۵ ساعت با ۸ پردازنده H100 یا ۱۷ ساعت با یک GPU ۸۰ گیگابایتی.
- مجموعه داده: ۹۲ ویدیوی دستکاری ربات (مانند جابهجایی یک خیار سبز به کاسه کرمرنگ).
- ارزیابی: استفاده از Cosmos Reason2 به عنوان یک داور برای سنجش منطق فیزیکی و پیروی از دستورات.
این رویکرد ثابت میکند که درک فیزیک در وزنهای مدل «پخته» شده است. شما فقط به یک آداپتور نیاز دارید تا ظاهر ربات و ساختار تکلیف را تغییر دهید. برای ثبات فیزیکی ساده، رتبه (Rank) ۸ کافی است، اما برای تعاملات دقیق با اشیاء، رتبه ۳۲ لازم است.
گام بعدی شما
- دستورالعملهای فنی را در Cosmos Cookbook بررسی کنید.
- تفاوت کیفیت بین رتبههای ۸ و ۳۲ را در مدلهای خود بسنجید.
- استراتژیهای کاهش هزینه استنتاج (Inference) — لحظهای که مدل واقعاً جواب تولید میکند، شبیه خودِ آشپزی نه دورهی آموزش آن — را بررسی کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو