شرکت انوییدیا (NVIDIA) ابزاری جدید به نام OSMO را به صورت متن‌باز منتشر کرده است که طراحی شده تا شکاف میان مراحل مختلف توسعه هوش مصنوعی فیزیکی (Physical AI) را پر کند. این پروژه پاسخی مستقیم به مسئله‌ی پراکنده بودن زیرساخت‌های محاسباتی در صنعت رباتیک است؛ جایی که توسعه‌دهندگان مجبورند معمولاً از سه دسته سخت‌افزار متفاوت با ابزارهای جداگانه استفاده کنند.

طبق اعلام انوییدیا، توسعه‌دهندگان ربات با یک مشکل واحد مواجه نیستند، بلکه با سه چالش کامپیوتری روبرو هستند. نخستین مرحله شامل آموزش سیاست‌های یادگیری ماشین روی خوشه‌های قدرتمند مانند GB200 یا H100 است. مرحله دوم، شبیه‌سازی و تست در محیط Isaac Sim بر روی کارت‌های گرافیک RTX ایستگاه‌های کاری انجام می‌شود. مرحله سوم نیز اعتبارسنجی نهایی روی دستگاه‌های لبه مانند Jetson AGX Thor است که داخل ربات واقعی نصب شده‌اند. هر یک از این لایه‌ها پیش از این دارای کلستر، برنامه‌ریز و اسکریپت‌های اتصال خاص خود بودند که منجر به ایجاد وابستگی‌های پیچیده و غیراستاندارد می‌شد.

OSMO به عنوان یک ارکستراتور جریان کاری بومی بر پایه Kubernetes، راهکاری ارائه می‌دهد که تیم‌ها می‌توانند تمام این پلاینلاین را تنها با توصیف آن در یک فایل YAML تعریف کنند. این ابزار نیازی به نوشتن کدهای زیرساختی دست‌نویس ندارد و وظایف را به طور خودکار به بک‌اند مناسب ارجاع می‌دهد. به عنوان مثال، یک کاربر می‌تواند نام یک پلتفرم مانند rtx-pro-6000 یا jetson-agx-thor را در فایل مشخص کند و OSMO وظیفه مسیریابی کار به پولی که این منابع را فراهم می‌کند را بر عهده می‌گیرد.

این پروژه تحت مجوز Apache-2.0 منتشر شده و شامل نمودهای Helm و کانتینرهای NGC است. نسخه ۶.۳.۱ که در ژوئن ۲۰۲۶ منتشر شد، قابلیت‌های متعددی را اضافه کرده است. از جمله مهم‌ترین ویژگی‌ها می‌توان به پشتیبانی از Scheduling هوشمند با استفاده از NVIDIA KAI Scheduler، مکان‌یابی آگاهانه از توپولوژی NVLink برای تسک‌های چند GPU، و زمان‌بندی مستقل برای گروه‌های مختلف اشاره کرد که از توقف یک شبیه‌سازی مانع از متوقف شدن سایر گروه‌های آموزشی نمی‌شود.

همچنین، انوییدیا ادعا کرده که سیستم مدیریت داده در OSMO از روش‌های شناسایی محتوایی و حذف تکرار استفاده می‌کند که می‌تواند فضای ذخیره‌سازی را بین ۱۰ تا ۱۰۰ برابر کاهش دهد. البته توجه داشته باشید که CLI مستقل برای دیتاست در نسخه ۶.۳ منسوخ شده و جای خود را به خروجی‌های مدیریت شده توسط workflow داده است. این ابزار اکنون با سرویس‌های ابری مختلفی مانند Azure AKS و AWS EKS سازگار است و می‌تواند حتی به صورت محلی روی کارstation‌ها با استفاده از KIND اجرا شود.

منبع: MarkTechPost