Nvidia und Milestone Systems intensivieren Zusammenarbeit
Milestone Systems und Nvidia intensivieren ihre Zusammenarbeit im Bereich Vision AI. Milestone Systems hat neue Erweiterungen seiner KI-Plattform Hafnia vorgestellt – darunter synthetische Trainingsdaten, ein neues Training-as-a-Service-Angebot sowie für den EU-Markt optimierte Visual Language Models für Verkehrsanalysen.
Ziel ist es, Entwicklern und Städten den Zugang zu leistungsfähiger Smart-City-KI zu erleichtern. Durch die Kombination aus realen und synthetischen Daten können KI-Modelle künftig auch für seltene oder bislang unbekannte Szenarien trainiert werden – etwa ungewöhnliche Verkehrssituationen oder extreme Wetterlagen. Damit adressieren Milestone Systems und Nvidia eine zentrale Herausforderung vieler KI-Systeme: Trainingsdaten bilden solche Ereignisse oft nur unzureichend ab. Die neuen Modelle werden bereits mit ersten europäischen Städten getestet.
Projekt Hafnia schlägt eine Brücke zwischen Daten, Training und Deployment. Entwickler können damit Datensatzverzerrungen reduzieren, leistungsstarke Vision-AI-Modelle trainieren und diese in Smart-City-Lösungen einsetzen. Das Ergebnis: KI-Systeme, die über reaktives Lernen hinausgehen und über ihren gesamten Lebenszyklus hinweg proaktiv auf neue Situationen vorbereitet sind.
Der Nvidia Physical AI Data Factory Blueprint dient dabei als Referenzarchitektur, die Datenaufbereitung, -erweiterung, -bewertung und agentische Orchestrierung im großen Maßstab vereint. Angetrieben von den offenen Welt-Grundmodellen Nvidia Cosmos sowie Nvidia Osmo verwandelt die Plattform reale und synthetische Rohdaten in hochpräzise, physikbasierte und modellbereite Trainingsdatensätze – und beschleunigt so die Entwicklung mit höherer Geschwindigkeit, Skalierbarkeit und Zuverlässigkeit.
Training über historische Daten hinaus
„Gemeinsam mit Nvidia heben wir Hafnia auf die nächste Stufe, indem wir vertrauenswürdige reale Daten mit synthetischer Erweiterung kombinieren“, sagt Edward Mauser, Director of Project Hafnia bei Milestone Systems. „So können Entwickler KI-Modelle trainieren, die nicht nur in bekannten Situationen präzise arbeiten, sondern auch gegenüber unerwarteten Ereignissen resilient sind.“
KI-Systeme lernen in der Regel aus vergangenen Ereignissen. Reale Umgebungen, beispielsweise Städte, sind jedoch unvorhersehbar. Seltene Wetterlagen, ungewöhnliche Verkehrsmuster oder regionale Fahrzeugtypen sind in klassischen Datensätzen häufig unterrepräsentiert.
Hafnia schließt diese Lücke, indem synthetische Daten in die kuratierte Bibliothek realer Videodaten integriert werden. Durch synthetische Erweiterung mit Nvidia Cosmos Transfer erhalten Entwickler Zugriff auf Datensätze, die beispielsweise seltene oder gefährliche Situationen abbilden, unterrepräsentierte Objektklassen ausbalancieren, regionale und Umweltvariationen modellieren und Datensatzverzerrungen systematisch reduzieren.
Wichtig dabei: Synthetische Daten ersetzen die realen Daten nicht, sondern ergänzen die reale Datenbasis von Hafnia. Dadurch bleiben Authentizität, Compliance und eine konsistente Qualität der Annotation erhalten, während gleichzeitig eine größere Bandbreite an Szenarien abgedeckt wird.
Training-as-a-Service für die Computer-Vision-Community
Milestone Systems hat außerdem einen Ausblick auf sein kommendes Training-as-a-Service (TaaS)-Angebot gegeben. Anstatt fragmentierte Pipelines zusammenzustellen, erhalten Entwickler eine nahtlose Verbindung zwischen den Daten aus Hafnia und einer leistungsfähigen Trainingsinfrastruktur. Auf diese Weise können sie sich vollständig auf die Entwicklung leistungsstarker Videoanalysen konzentrieren.
TaaS ermöglicht einen optimierten Zugriff auf die konformen und hochwertigen Videodaten aus der Hafnia-Bibliothek, die sowohl reale als auch synthetische Datensätze enthält. Diese lassen sich innerhalb eigener Trainingspipelines nutzen. Entwickler passen Datensätze individuell an und feinjustieren Modelle für spezifische Anwendungsfälle.
Da die Daten innerhalb der Hafnia-Bibliothek regelkonform erhoben werden und vollständig nachvollziehbar sind, trainieren Entwickler ihre Modelle mit der Sicherheit, dass das Training den relevanten regulatorischen Anforderungen entspricht. Gleichzeitig reduziert Hafnia die Komplexität bei Beschaffung und Verwaltung von Trainingsdaten und beschleunigt so die Entwicklung leistungsstarker Analyse-Lösungen um das bis zu 30-Fache.
