نماذج التأسيس العالمية المفتوحة من NVIDIA تُحدث ثورة في تطوير الذكاء الاصطناعي البدني من خلال إنشاء عوالم افتراضية واقعية بذكاء. تُعَدّ النماذج الفيزيائية للذكاء الاصطناعي، التي تُستخدم في الروبوتات والمركبات ذاتية القيادة، حساسة للغاية لجودة البيانات التدريبية، والتي يجب أن تكون مبنية على سيناريوهات واقعية ومتعددة. لكن جمع بيانات كافية من العالم الحقيقي يُعدّ تحديًا كبيرًا، بسبب التكلفة، والمخاطر، وصعوبة تغطية جميع الظروف الممكنة. لحل هذه المشكلة، أطلقت NVIDIA تحديثات جديدة لنماذج Cosmos، وهي نماذج تأسيس عالمية مفتوحة (WFMs) تعمل ضمن منصة NVIDIA Omniverse. تُتيح هذه النماذج إنشاء بيانات افتراضية واقعية بمقاييس ضخمة، مما يقلل الفجوة بين المحاكاة والواقع (simulation-to-real gap). أبرز التحديثات تشمل Cosmos Predict 2.5، الذي يدمج ثلاث نماذج سابقة (Text2World، Image2World، Video2World) في بنية واحدة خفيفة، تُنتج عوالم متعددة الكاميرات واقعية من صورة أو فيديو أو نص وصفي. كما يُقدّم Cosmos Transfer 2.5 إمكانية نقل أنماط بصرية بين البيئات — مثل تغيير الطقس، الإضاءة، أو التضاريس — مع الحفاظ على الدقة الفيزيائية، وبنموذج أصغر بنسبة 3.5 مرة من الإصدار السابق، مما يعزز الأداء والدقة في الاستجابة للتعليمات. تم دمج هذه النماذج في خطوط إنتاج بيانات افتراضية تعمل ضمن NVIDIA Isaac Sim، الإطار المفتوح المصدر للمحاكاة الروبوتية، الذي يُبنى على منصة Omniverse. يُمكن للمطورين بناء سير عمل متكامل من المحاكاة إلى الواقع، يبدأ بتصميم بيئات افتراضية، ثم إنتاج مقاطع فيديو فوتوغرافية عالية الجودة، تُستخدم لتدريب النماذج على التفاعل مع العالم الحقيقي. شركات رائدة تستخدم هذه التقنيات بالفعل: Skild AI تُستخدم Cosmos Transfer لتوسيع بيانات التدريب بتنوعات جديدة، مما يُعزز قدرة روبوتاتها على التكيف مع ظروف مختلفة. Serve Robotics، التي تدير أسطولًا من الروبوتات للتسليم في الأحياء الحضرية، تُنتج أكثر من مليون ميل من البيانات شهريًا، منها 170 مليار عينة صورة-ليدار، تُستخدم في المحاكاة لتحسين الأداء. كما استخدمت الروبوتات لتسليم أجهزة NVIDIA DGX Spark، التي تقدم أداءً يبلغ بيتافلوب واحد، لفنانين ومبرمجين لدعم مشاريع الذكاء الاصطناعي. كذلك، شاركت Zipline، شركة توصيل بالطائرات المُسيرة، في هذه المبادرة، حيث تلقّى مهندسها الرئيسي جهاز DGX Spark عبر طائرة مُسيرة. وتستخدم Zipline منصة Jetson من NVIDIA في أنظمتها. شركات أخرى مثل Lightwheel وFS Studio وRobots for Humanity تُستخدم Omniverse لإنشاء بيانات افتراضية عالية الجودة لتحسين كفاءة الروبوتات في المصانع، الشحن، والصناعات الثقيلة. حتى في مجال التعدين، استخدم المُحلّل سانتياغو فيلا بيانات افتراضية من Omniverse لتحسين كشف الصخور الكبيرة التي تُوقف العمليات، مما يقلل التوقفات ويُقلّل الخسائر المالية. كما يُطوّر سكوت ديمبسي، مُتَّبِع من منصة Omniverse، مُولِّدًا لبيانات افتراضية للكابلات، باستخدام معايير مصنّع حقيقية، لتدريب نماذج على التعرف عليها والتعامل معها. هذه التطورات تُعزز قدرة المطورين على بناء نماذج ذكاء اصطناعي أكثر أمانًا وذكاءً، من خلال محاكاة واقعية بمقاييس لا يمكن تحقيقها في العالم الحقيقي.