NVIDIA strømmer robotdata: Trener modeller uten gigantiske nedlastninger

Utviklere kan nå strømme NVIDIAs massive datasett Cosmos3-DROID direkte fra skyen, uten å måtte laste ned hele pakken på 707 GB lokalt. Dette betyr at robotmodeller kan trenes raskere og med færre ressurser, noe som er en praktisk forbedring for norske arbeidsplasser som jobber med robotikk og AI-utvikling. Mekanismen bak dette er en teknikk kalt byte-range access. Den lar systemet hente kun de delene av dataene, som for eksempel spesifikke rader eller kolonner, som trengs i øyeblikket. Dette eliminerer behovet for å lagre hele datasettet lokalt, og gjør prosessen mye mer effektiv, spesielt for de som utvikler atferdsmodeller for roboter. Først inspiseres datasettets struktur for å bygge en metadata-graf som beskriver innholdet, før spesifikke videoer og data hentes via HTTP byte-range med PyArrow og AV1-video avkoding. Dataene blir deretter brukt til å trene en multimodal atferdsklonsmodell – en type modell som lærer seg å utføre handlinger basert på observerte eksempler – og evalueres deretter for nøyaktighet. Dette åpner for raskere iterasjoner og eksperimentering i utviklingsprosessen, uten å la lagringskapasitet være en flaskehals.