ainews
Создать
Войти
Обучение видеомодели предпочитать физически правдоподобные результаты через систему наград — это не то же самое, что встроенный симулятор физики. LingBot-Video использует награды за физическую рациональность, но не имеет явных параметров массы, трения или столкновений — модель просто учится закономерностям из данных.
NVIDIA выпустила в open source первый GPU-ускоренный фреймворк Medical Physics Simulation для разработчиков медицинских роботов. Он позволяет симулировать взаимодействие инструментов с тканями, генерировать редкие сценарии и тренировать робополитики до дорогого железного тестирования. Бенчмарки показывают ускорение обучения с 5+ часов до 2 минут благодаря 8192 параллельным средам.
Воплощённый ИИ не может работать, просто прикрепив языковую модель к механическому телу — ему нужны системы, которые понимают физику, причинность и последствия действий в реальном мире. Статья разбирает концепцию "физически-нативного интеллекта" и почему симуляция — это не просто тренировочная площадка, а критическая инфраструктура.
Физический AI и робототехника страдают от нехватки данных, в отличие от языковых моделей. Симуляторы решают проблему: позволяют генерировать фотореалистичные данные, тренировать политики RL и тестировать роботов в тысячах параллельных миров на GPU. Обзор ключевых движков — MuJoCo (точная физика и контакты), MuJoCo Warp (GPU-ускорение для обучения) и Isaac Sim (OpenUSD, Omniverse, фотореализм).
