CoreWeave ने रोबोटिक्स और स्वायत्त वाहन विकास के लिए फिजिकल AI टेम्पलेट लॉन्च किए

रोबोटिक्स टीम किसी नई नीति का परीक्षण कर सके, उससे पहले किसी को सिम्युलेटर, डेटा, स्टोरेज और कंप्यूट संसाधनों को एक साथ काम करने लायक बनाना पड़ता है। CoreWeave ने इस तैयारी के काम को आसान बनाने के लिए Physical AI Launchables पेश किया है। यह रोबोटिक्स, स्वायत्त वाहनों और सिमुलेशन के लिए परीक्षण किए गए वर्कलोड टेम्पलेट का संग्रह है, जिसकी घोषणा 21 अक्टूबर को की गई।

इन टेम्पलेट में पाँच टूल—NVIDIA Isaac Sim, CARLA, MuJoCo, NVIDIA AlpaSim और NVIDIA Cosmos 3—के लिए परिवेश शामिल हैं। इनके ज़रिए इंजीनियर शुरुआत से इन्फ्रास्ट्रक्चर तैयार करने के बजाय एक कमांड से वर्कलोड कॉन्फ़िगर करके शुरू कर सकते हैं। इस लॉन्च में ऐसे कौशल भी शामिल हैं, जिनकी मदद से कोडिंग एजेंट इन्हीं वर्कफ़्लो पर काम कर सकते हैं।

डेवलपरों के लिए अहम सवाल यह है कि कौन-सी प्रक्रियाएँ बार-बार दोहराई जा सकेंगी। Launchables का लक्ष्य प्रयोगों के बीच कामकाजी परिवेश को बनाए रखना है, साथ ही टीमों को उन दृश्यों, डेटासेट, मॉडल और सेटिंग में बदलाव करने की सुविधा देना है जो नतीजे तय करते हैं।

प्रयोग के पर्दे के पीछे ले जाना सेटअप का काम

फिजिकल AI के किसी प्रयोग में सिर्फ़ मॉडल चलाना ही शामिल नहीं होता। ड्राइविंग के मूल्यांकन के लिए सिम्युलेटर और परिदृश्य चाहिए; रोबोट-लर्निंग जॉब के लिए परिवेश, नीति और नतीजे जुटाने का तरीका चाहिए। इन सभी घटकों के लिए उपयुक्त स्टोरेज, कंप्यूट संसाधन और निष्पादन सीमाएँ भी ज़रूरी हैं।

CoreWeave का कहना है कि उसके इंजीनियरों ने हर टेम्पलेट के पीछे मौजूद कॉन्फ़िगरेशन तैयार करके उनका परीक्षण किया है। टीमें इन कॉन्फ़िगरेशन को अपने काम के मुताबिक ढाल सकती हैं—जारी कार्यक्रमों के लिए आरक्षित क्षमता का इस्तेमाल करके या अलग-अलग प्रयोगों के लिए अचानक बढ़े वर्कलोड चलाकर। हर समर्थित टूल के लिए एक खाली टेम्पलेट भी है, जो वर्कलोड तय किए बिना परिवेश उपलब्ध कराता है।

घोषणा में CoreWeave के फिजिकल AI विभाग के वरिष्ठ उपाध्यक्ष रिचर्ड आह्लफ़ेल्ड ने कहा, “Physical AI Launchables उन्हें उन टूल के लिए एक परीक्षण किया हुआ शुरुआती बिंदु देता है जिनका वे पहले से इस्तेमाल करते हैं, ताकि उनका अधिक समय उस काम में लगे जो केवल वे ही कर सकते हैं।”

यह अंतर उपयोगी है: CoreWeave पैकेजिंग और निष्पादन की परत मुहैया कराता है, जबकि सिमुलेशन और मॉडलिंग सॉफ़्टवेयर NVIDIA और अन्य डेवलपरों की ओर से आते हैं। टीमें अब भी तय करती हैं कि किस चीज़ का परीक्षण करना है और नतीजे कितने सार्थक हैं।

पहले टेम्पलेट से कौन-से काम किए जा सकते हैं

CoreWeave की लॉन्च से जुड़ी तकनीकी पोस्ट इस संग्रह को और स्पष्ट करती है। इसके उदाहरणों में रोबोट से वस्तुएँ पकड़ने और रखने का काम, सिम्युलेटेड ड्राइविंग, सिंथेटिक डेटा और रीइन्फ़ोर्समेंट लर्निंग शामिल हैं:

• NVIDIA Isaac Sim: रोबोटिक भुजा से वस्तुएँ उठाकर तय जगह पर रखना, लेबल वाले वेयरहाउस दृश्य और वाहन-गतिशीलता के प्रयोग।
• CARLA: ड्राइविंग परिदृश्यों के ऐसे बैच, जिनसे निरीक्षण के लिए वीडियो तैयार होता है।
• MuJoCo: समानांतर रीइन्फ़ोर्समेंट लर्निंग प्रयोग और रसोई में वस्तुओं को सँभालने से जुड़े कार्य।
• NVIDIA AlpaSim: क्लोज़्ड-लूप ड्राइविंग मूल्यांकन।
• NVIDIA Cosmos 3: ऐसे वीडियो परिदृश्य तैयार करना जिन्हें जुटाना मुश्किल या महँगा हो सकता है।

ये शुरुआती कॉन्फ़िगरेशन हैं, प्रदर्शनों का कोई तयशुदा सेट नहीं। इंजीनियर वर्कलोड के पैरामीटर बदल सकते हैं या ऐप्लिकेशन कोड में संशोधन कर सकते हैं और इसके साथ ही नीचे मौजूद परीक्षण किए गए परिवेश को बनाए रख सकते हैं। इस लॉन्च में डेटा संवर्धन, लेबलिंग, क्यूरेशन और पुनर्प्राप्ति के लिए NVIDIA Cosmos Data Factory के कौशल भी शामिल हैं; CoreWeave का कहना है कि इससे जुड़े और टेम्पलेट भविष्य में उपलब्ध कराने की योजना है।

कोडिंग एजेंटों को इंजीनियरों जैसे ही नियंत्रण

Launchables में Claude Code, Codex और अन्य कोडिंग एजेंटों के लिए CoreWeave-विशिष्ट कौशल शामिल हैं। ये एजेंट को प्रासंगिक सेटिंग के बारे में मार्गदर्शन देते हैं और रन शुरू करने, उसकी निगरानी करने तथा नतीजे हासिल करने के लिए इस्तेमाल होने वाले कमांड तक पहुँच प्रदान करते हैं।

इस रिलीज़ में जॉब पूरा होने और प्रयोग सफल होने के बीच के अंतर पर ज़ोर दिया गया है। कोई प्रक्रिया यह साबित किए बिना समाप्त हो सकती है कि ड्राइविंग नीति ने परिदृश्यों को अच्छी तरह सँभाला या रोबोट ने अपना काम पूरा किया। एक समान इंटरफ़ेस के ज़रिए रिपोर्ट, मेट्रिक, मीडिया और निदान संबंधी जानकारी लौटाने से इंजीनियरों और एजेंटों—दोनों को निष्पादन के बाद आकलन करने के लिए सामग्री मिलती है।

इससे बार-बार किए जाने वाले प्रयोगों में स्वचालन अधिक उपयोगी हो सकता है। कोई एजेंट वर्कफ़्लो चलाने में मदद कर सकता है, लेकिन टीम को उपयुक्त मूल्यांकन और सफलता के मानदंड तय करने की ज़रूरत फिर भी रहती है। किसी डिप्लॉयमेंट का काम करना यह साबित नहीं करता कि कोई मॉडल भौतिक प्रणाली में इस्तेमाल के लिए तैयार है।

GPU का समय GPU वाले काम के लिए बचाए रखना

घोषणा में यह भी बताया गया है कि जॉब संसाधनों का इस्तेमाल कैसे करते हैं। जहाँ वर्कलोड इसकी अनुमति देता है, वहाँ टेम्पलेट CPU पर होने वाली तैयारी और बाद की प्रोसेसिंग को GPU निष्पादन से अलग रखते हैं, ताकि यह चरण पूरा होने पर GPU क्षमता मुक्त हो जाए। समानांतर रन के बीच तालमेल बनाने में मदद के लिए टेम्पलेट संसाधन संबंधी ज़रूरतें और समवर्ती निष्पादन की सीमाएँ भी घोषित करते हैं।

यह इसलिए अहम है क्योंकि प्रयोग की लागत में वह समय भी शामिल होता है जब महँगे हार्डवेयर को दूसरे काम का इंतज़ार करना पड़ता है। चरणों को अलग करने से संसाधनों का आवंटन बेहतर हो सकता है, हालाँकि वास्तविक लाभ वर्कलोड और तैयारी, सिमुलेशन, प्रशिक्षण तथा विश्लेषण की ज़रूरतों पर निर्भर करता है।

दी गई घोषणा में CoreWeave ने Launchables के लिए कोई सामान्य बेंचमार्क या सेटअप समय में होने वाली ऐसी कमी नहीं बताई है जो हर स्थिति पर लागू हो। इसका तात्कालिक प्रस्ताव एक परीक्षण किया हुआ कॉन्फ़िगरेशन और उसे चलाने का एक साझा तरीका है—न कि प्रदर्शन में ऐसा मापा हुआ सुधार जो हर रोबोटिक्स परियोजना पर लागू हो।

Launchables, CoreWeave के फिजिकल एआई स्टैक में कैसे फिट बैठता है

यह लॉन्च CoreWeave को केवल GPU क्षमता उपलब्ध कराने से आगे बढ़ाकर उन सॉफ़्टवेयर वर्कफ़्लो तक ले जाता है जो उसका उपयोग करते हैं। अपने फिजिकल एआई प्लेटफ़ॉर्म पेज पर कंपनी ऐसे बुनियादी ढाँचे का वर्णन करती है जिसमें GPU और CPU कंप्यूटिंग, नेटवर्किंग, स्टोरेज, Kubernetes ऑर्केस्ट्रेशन और Kubernetes पर Slurm शामिल हैं। ये घटक डेटा तैयार करने, सिमुलेशन और मॉडल प्रशिक्षण की अलग-अलग ज़रूरतों को पूरा करते हैं।

इसका व्यापक क्लाउड प्लेटफ़ॉर्म उस बुनियादी ढाँचे को CoreWeave Forge से जोड़ता है, जिसमें मॉडलों और एजेंटों की निगरानी, मूल्यांकन और सुधार के लिए उपकरण एक साथ उपलब्ध हैं। Launchables इन परतों के ऊपर परीक्षण किए गए इंजीनियरिंग वर्कलोड जोड़ता है। इस रणनीति का उद्देश्य डेटा, प्रयोगों और मूल्यांकन के बीच आगे बढ़ते समय टीम को अलग-अलग वातावरण तैयार करने की ज़रूरत कम करना है।

CoreWeave ने Cadence, Convergent Science, Encord, nTop, PhysicsX और Voxel51 को अपने बुनियादी ढाँचे के साथ काम करने वाले सॉफ़्टवेयर साझेदारों के रूप में भी नामित किया। ये साझेदारियाँ डेटा और कंप्यूटर-विज़न टूल से लेकर इंजीनियरिंग सिमुलेशन तक फैली हैं; इसका अर्थ यह नहीं समझना चाहिए कि हर साझेदार का उत्पाद पहले से ही लॉन्च टेम्पलेट के रूप में उपलब्ध है।

तेज़ शुरुआत के लिए भी मज़बूत मूल्यांकन ज़रूरी है

इसका लाभ स्पष्ट है: जब एक प्रयोग से दूसरे प्रयोग तक वातावरण बना रहता है, तो टीमें मॉडलों की तुलना करने और विफलताओं की जाँच करने में अधिक समय लगा सकती हैं। साझा टेम्पलेट से सहकर्मियों के लिए किसी कॉन्फ़िगरेशन को दोहराना भी आसान हो सकता है, ताकि वे किसी एक चर को बदलने से पहले उसे पुनः तैयार कर सकें।

ज़्यादा कठिन सवाल इसी क्षेत्र के भीतर बने रहते हैं। सिम्युलेट किए गए दृश्यों में उपयोगी परिस्थितियाँ दिखनी चाहिए, सिंथेटिक डेटा काम के लिए उपयुक्त होना चाहिए, और मूल्यांकन में ऐसी विफलताएँ सामने आनी चाहिए जो सिम्युलेटर के बाहर भी मायने रखती हों। Launchables इन परीक्षणों को चलाने की प्रक्रिया सरल कर सकता है; लेकिन इससे उन्हें सावधानीपूर्वक डिज़ाइन करने की ज़रूरत समाप्त नहीं होती।

इच्छुक टीमों को शुरुआती सूची और अधिक जानकारी के लिए CoreWeave के फिजिकल एआई Launchables का परिचय देखने को कहा गया है। रोबोटिक्स और स्वायत्त वाहन विकसित करने वालों के लिए इसका व्यावहारिक आकर्षण यह है कि प्रयोग का विचार लेकर ऐसे नतीजों तक पहुँचने का रास्ता छोटा हो जाता है जिनकी वे जाँच कर सकते हैं।