Siapa pun yang membangun sistem AI fisik untuk mobil otonom, robotika, atau manufaktur cerdas pasti tahu mimpi buruk ini: data pelatihan sangat langka, sangat mahal, dan mustahil diskalakan secara efisien.

Ada solusi baru yang patut dieksplorasi—menggunakan model fondasi dunia NVIDIA Cosmos di infrastruktur cloud untuk menghasilkan data pelatihan sintetis dalam skala besar. Pendekatan ini mengatasi hambatan utama: alih-alih mengumpulkan jutaan skenario dunia nyata (yang bisa memakan waktu bertahun-tahun dan biaya sangat besar), Anda dapat mensimulasikan lingkungan dan kasus edge secara terprogram.

Alur kerja teknisnya melibatkan menjalankan klaster GPU, mengonfigurasi model Cosmos untuk skenario fisik spesifik Anda, lalu menghasilkan dataset sintetis fotorealistik yang mencakup situasi langka yang tidak pernah tertangkap oleh data nyata Anda. Contohnya: kendaraan otonom yang menghadapi kondisi cuaca tidak biasa, atau lengan robot yang menangani objek dengan sifat tak terduga.

Bagi tim yang terjebak dalam siklus pengumpulan data, pergeseran paradigma ini dapat mempercepat siklus pengembangan hingga berbulan-bulan sambil memangkas biaya. Kualitas data sintetis kini telah mencapai titik di mana model yang dilatih dengannya mampu tampil sebanding dengan model yang dilatih dengan data dunia nyata murni di banyak skenario.