انویدیا مدل Cosmos Reason 2 را منتشر کرد، یک مدل پیشرفته در حوزه مدلهای بصری-زبانی برای هوش مصنوعی فیزیکی. این مدل جدید در دقت از نسخه قبلی خود پیشی گرفته و در بنچمارکهای Physical AI و Physical Reasoning به عنوان برترترین مدل متنباز شناخته میشود. Cosmos Reason 2 با استفاده از دانش عمومی، فیزیک و اطلاعات قبلی، به رباتها و عوامل هوش مصنوعی کمک میکند تا نحوه حرکت اشیاء در فضا و زمان را درک کرده و به حل مسائل پیچیده گام به گام بپردازند.
ویژگیهای کلیدی این مدل شامل درک بهبود یافته از فضا-زمان، دقت بالاتر در زمانبندی، پشتیبانی از مجموعهای گسترده از قابلیتهای درک بصری و فضایی (مانند مکانیابی نقاط 2D/3D، مختصات جعبههای محدود کننده، دادههای مسیر و پشتیبانی از OCR) و درک بهتر از متنهای طولانی (با 256K توکن ورودی) است. همچنین، Cosmos Reason 2 با دستورالعملهای Cosmos Cookbook به راحتی قابل استفاده و سازگار با موارد استفاده مختلف است.
موارد استفاده محبوب این مدل شامل تحلیل ویدئو، عوامل هوش مصنوعی و حاشیهنویسی دادهها میشود. شرکتهایی مانند Salesforce و Uber از Cosmos Reason 2 برای بهبود ایمنی محیط کار و آموزش دادههای خودروهای خودران استفاده میکنند.
مشاهده مطلب اصلی