Oxa 通过战略收购自主工业服务提供商 StreetDrone 以加强其在工业物流领域的地位后,这家自动驾驶车辆软件提供商正进一步深入产业,计划使用 Nvidia Cosmos 生成式世界基础模型 (WFMs) 来加速工业移动自动化 (IMA)。
解释此举原因时,Oxa 指出,自工业革命以来,自动化提高了生产力,降低了成本并促进了创新,同时,企业软件推动了数十年的业务任务自动化,创造了其称之为"巨大"的经济价值。现在,该公司表示,物理人工智能 (AI) 正在开启新的 IMA 时代,自动化企业每日执行的数十亿移动任务。
在实际应用中,IMA 将实现工作车辆重复驾驶任务的自动化,例如固定路线的共享客运、机场地面运输 (行李、货物、乘客/机组人员)、港口和零售场地的拖车/集装箱调度、资产监控、工厂生产线零部件物流以及枢纽间的卡车物流。这些任务目前由全球约 4 亿辆工作车辆执行,通常在统一路线上完成,且具有特定场所特征——使它们成为自动化的理想选择。
Oxa 计算出 IMA 代表着 2 万亿美元的市场机会,因为企业越来越多地转向自动化来执行日常重复性移动任务,如客运、资产监控和工厂零部件生产线物流,支持提高生产力、降低成本和促进创新。
此次合作将使 Oxa 使用 Nvidia 的 Cosmos 世界基础模型——这些模型能够从文本和图像等多模态输入生成逼真的虚拟世界状态视频——包括 Cosmos Predicts 模型,以增强其自身的培训工具,如 Oxa Sensor Expansion,这些工具位于其开发工具链 Oxa Foundry 中。
通过与 Nvidia 的合作,Oxa 表示它将能够生成大量多样化且逼真的合成数据,加速其软件的训练和验证,同时显著加快安全、可靠和高效的自动驾驶产品的开发和部署。
使用这类工具的目标是,通过生成各种逼真的合成传感器数据,将为 Oxa 的自动驾驶软件提供更严格的训练和验证,加速开发其保证将是安全、可靠和高效的自动驾驶服务。
该公司表示,其基于 Oxa Foundry 的开发采用了一种新颖的生成式 AI 方法,在计划好的、统一且可重复的路线上"超本地化"地训练和保证其核心 Oxa Driver 自动驾驶软件,将其从通才转变为专才。这些生成式 AI 技术能够创建"具有代表性"且有针对性的"教学大纲",用于教授和确保 Oxa Driver 的质量,同时具有最小且经济高效的源数据需求。
"通过与 Nvidia 合作并利用其最新技术,我们正在加速我们向客户提供安全、可靠和高效自动化解决方案的能力,解决驾驶员短缺和生产力差距等关键挑战,"Oxa 首席执行官 Gavin Jackson 表示。"将 Cosmos 用于合成数据生成与我们自己的技术相结合,将有助于实现我们的目标并开启 2 万亿美元的 IMA 市场。"
好文章,需要你的鼓励
OpenAI于周二发布AI浏览器ChatGPT Atlas,目标是让ChatGPT成为搜索和问答的首选界面而非谷歌。该浏览器目前仅支持Mac,但正在开发Windows、iOS和Android版本。Atlas将ChatGPT设为默认搜索选项,并具备记忆功能,可结合浏览历史提供个性化答案。与其他AI浏览器不同,Atlas更专注于强化ChatGPT生态系统,为OpenAI提供更多用户数据和分发控制权,而非改善传统浏览体验。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
通用汽车宣布计划于2028年推出自动驾驶系统,允许驾驶员双眼离开道路、双手离开方向盘,首先应用于凯迪拉克Escalade IQ。该系统基于现有Super Cruise技术,采用激光雷达、雷达和摄像头感知技术,初期在高速公路使用。通用整合了已关闭的Cruise子公司的技术栈,包括基于500万英里无人驾驶数据训练的AI模型。目前美国仅奔驰拥有商用L3级自动驾驶系统。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。