CoreWeave запускает шаблоны физического ИИ для разработки робототехники и автономных транспортных средств

Прежде чем команда разработчиков робототехники сможет проверить новую политику управления, необходимо наладить совместную работу симулятора, данных, хранилища и вычислительных ресурсов. CoreWeave берёт на себя эту подготовительную работу с помощью Physical AI Launchables — каталога проверенных шаблонов рабочих нагрузок, о запуске которого компания объявила 21 октября. Каталог предназначен для робототехники, автономных транспортных средств и симуляции.

Шаблоны включают среды для пяти инструментов — NVIDIA Isaac Sim, CARLA, MuJoCo, NVIDIA AlpaSim и NVIDIA Cosmos 3, — чтобы инженеры могли настроить и запустить рабочую нагрузку одной командой, а не собирать для неё инфраструктуру с нуля. В запуск также входят навыки, позволяющие агентам для программирования выполнять те же рабочие процессы.

Для разработчиков главный вопрос — что именно удастся сделать воспроизводимым. Launchables призван сохранять работоспособную среду между экспериментами, позволяя командам менять сцены, наборы данных, модели и параметры, от которых зависит результат.

Перенос настройки на уровень инфраструктуры

Эксперимент с физическим ИИ — это не просто запуск модели. Для оценки системы вождения нужны симулятор и сценарии, а для обучения робота — среда, политика управления и способ собирать результаты. Кроме того, этим компонентам необходимы подходящее хранилище, вычислительные ресурсы и ограничения на выполнение.

По словам CoreWeave, инженеры компании создали и проверили конфигурации, лежащие в основе каждого шаблона. Команды могут адаптировать их под свои задачи, используя зарезервированные мощности для текущих программ или выделяя дополнительные ресурсы для отдельных экспериментов. Для каждого поддерживаемого инструмента также предусмотрен пустой шаблон: он предоставляет среду, не задавая конкретную рабочую нагрузку.

«Physical AI Launchables предлагает проверенную отправную точку для уже используемых ими инструментов, поэтому они могут уделять больше времени задачам, которые под силу только им», — заявил в объявлении Ричард Алфельд, старший вице-президент CoreWeave по физическому ИИ.

Это важное различие: CoreWeave предоставляет уровень упаковки и выполнения, тогда как программное обеспечение для симуляции и моделирования создают NVIDIA и другие разработчики. Команды по-прежнему сами решают, что проверять и насколько значимы полученные результаты.

Что умеют первые шаблоны

Техническая публикация о запуске CoreWeave подробнее раскрывает возможности каталога. Примеры охватывают манипуляции роботов, симуляцию вождения, синтетические данные и обучение с подкреплением:

• NVIDIA Isaac Sim: захват и перемещение предметов роботизированной рукой, размеченные сцены склада и эксперименты с динамикой транспортных средств.
• CARLA: серии сценариев вождения с созданием видео для анализа.
• MuJoCo: параллельные эксперименты по обучению с подкреплением и задачи по манипуляциям на кухне.
• NVIDIA AlpaSim: замкнутая оценка систем вождения.
• NVIDIA Cosmos 3: создание видеосценариев, сбор которых может быть затруднён или обходиться дорого.

Это стартовые конфигурации, а не фиксированный набор демонстраций. Инженеры могут менять параметры рабочей нагрузки или редактировать код приложения, сохраняя лежащую в её основе проверенную среду. В запуск также входят навыки NVIDIA Cosmos Data Factory для расширения, разметки, курирования и поиска данных. CoreWeave сообщает, что планирует выпустить и другие связанные шаблоны.

Агенты для программирования получают те же средства управления, что и инженеры

В Launchables входят специальные навыки CoreWeave для Claude Code, Codex и других агентов для программирования. Они подсказывают агенту, какие параметры важны, и предоставляют доступ к командам для запуска, мониторинга и получения результатов выполнения.

В релизе подчёркивается разница между завершением задачи и успехом эксперимента. Процесс может завершиться, так и не показав, насколько хорошо политика управления справилась со сценариями вождения или выполнил ли робот свою задачу. Единый интерфейс для передачи отчётов, метрик, медиаматериалов и диагностических данных даёт инженерам и агентам материалы для оценки после выполнения.

Это может сделать автоматизацию полезнее при проведении повторяющихся экспериментов. Агент способен помочь с выполнением рабочего процесса, но команде всё равно нужны подходящие методы оценки и критерии успеха. Работоспособное развёртывание не доказывает, что модель готова к использованию в физической системе.

GPU — только для задач, которым нужны GPU

В объявлении также рассматривается вопрос о том, как задачи расходуют ресурсы. Если это допускает рабочая нагрузка, шаблоны отделяют подготовку и постобработку на CPU от выполнения на GPU, высвобождая мощности GPU после завершения этого этапа. В шаблонах указаны требования к ресурсам и ограничения на параллельное выполнение, помогающие координировать одновременные запуски.

Это важно, поскольку стоимость эксперимента включает время, в течение которого дорогостоящее оборудование простаивает в ожидании других задач. Разделение этапов может улучшить распределение ресурсов, хотя фактический эффект зависит от рабочей нагрузки и объёма необходимых подготовительных работ, симуляции, обучения и анализа.

В предоставленном объявлении CoreWeave не приводит ни общего теста производительности Launchables, ни универсальной оценки сокращения времени настройки. Непосредственное предложение компании — проверенная конфигурация и единый способ работы с ней, а не измеренный прирост производительности, применимый к каждому проекту в области робототехники.

Как Launchables вписывается в стек физического ИИ CoreWeave

Этот запуск выводит CoreWeave за пределы предоставления одних лишь вычислительных мощностей GPU и распространяет ее деятельность на программные процессы, в которых эти мощности используются. На странице платформы физического ИИ компания описывает инфраструктуру, включающую вычислительные ресурсы GPU и CPU, сети, хранилища, оркестрацию Kubernetes и Slurm в Kubernetes. Эти компоненты отвечают разным потребностям при подготовке данных, моделировании и обучении моделей.

Более широкая облачная платформа объединяет эту инфраструктуру с CoreWeave Forge, где собраны инструменты для наблюдения за моделями и агентами, их оценки и улучшения. Launchables дополняет эти уровни проверенными инженерными нагрузками. Эта стратегия призвана сократить число сред, которые команде приходится создавать при переходе от данных к экспериментам и оценке.

CoreWeave также назвала Cadence, Convergent Science, Encord, nTop, PhysicsX и Voxel51 партнерами по разработке программного обеспечения, работающими с ее инфраструктурой. Их сотрудничество охватывает инструменты для работы с данными и компьютерным зрением, а также инженерное моделирование; это не следует воспринимать как утверждение, что продукт каждого партнера уже доступен в виде шаблона запуска.

Быстрый старт по-прежнему требует грамотной оценки

Преимущество очевидно: если среда сохраняется от одного эксперимента к следующему, команды могут больше времени уделять сравнению моделей и поиску причин сбоев. Общие шаблоны также упрощают коллегам воспроизведение конфигурации перед изменением переменной.

Более сложные вопросы по-прежнему связаны с самой предметной областью. Смоделированные сцены должны воспроизводить полезные условия, синтетические данные должны соответствовать поставленной задаче, а оценки должны выявлять сбои, значимые за пределами симулятора. Launchables может упростить запуск таких проверок, но не избавляет от необходимости тщательно их продумывать.

За первоначальным каталогом и дополнительной информацией CoreWeave предлагает заинтересованным командам обратиться к обзору Launchables для физического ИИ. Для разработчиков робототехники и автономных транспортных средств практическая ценность заключается в более коротком пути от идеи эксперимента до результатов, которые можно изучить.