CoreWeave startet Physical AI Launchables: Robotik-Workloads per Einzelbefehl

Was der Katalog abdeckt

Nach Angaben von CoreWeave verlieren Ingenieure in der Robotik und beim autonomen Fahren (AV) Zeit vor dem eigentlichen Lauf: Jemand muss die Umgebung aufsetzen, den Speicher anbinden und auf den Scheduler warten. Physical AI Launchables soll diesen Aufwand beseitigen. CoreWeave-Ingenieure haben jedes Template gebaut und getestet, sodass die Umgebung bereitsteht, ganz gleich, ob ein Team den Workload schon einmal ausgeführt hat.

Zum Start umfasst der Katalog NVIDIA Isaac Sim, CARLA, MuJoCo, NVIDIA AlpaSim und NVIDIA Cosmos 3. Hinzu kommen die neuen agentischen Skills von NVIDIA Cosmos Data Factory für die generative KI-Datenanreicherung bei Video, Bild und Text sowie für automatisches Labeling, Datenkuratierung und Retrieval. Laut CoreWeave sollen bald weitere Cosmos-Data-Factory-Workflows als Templates folgen. Voxel51 FiftyOne, ein Open-Source-Werkzeug zum Aufbau von Datensätzen und Computer-Vision-Modellen, wird als „demnächst verfügbar“ geführt.

• Isaac Sim: Franka-pick-place, Scene-sdg, Vehicle-dynamics und Warehouse-actors sowie ein leeres Template.
• CARLA: Scenario-matrix, das Fahrszenarien in einer Matrix samt Video durchspielt.
• MuJoCo: Playground-rl-sweep für GPU-paralleles Reinforcement Learning auf MuJoCo Warp sowie Kitchen-pick-place mit RoboCasa.
• AlpaSim: Closed-loop-driving, das das Fahrmodell NVIDIA Alpamayo im geschlossenen Regelkreis anhand rekonstruierter realer Szenen bewertet.
• Cosmos 3: Scenario-generation, Text-zu-Video für seltene oder teure Szenarien mit Cosmos 3 Nano.

Zu jedem Werkzeug gehört zudem ein leeres Template: die getestete Umgebung, bei der der Workload dem Nutzer überlassen bleibt.

So werden Templates angepasst und ausgeführt

Jedes Template legt offen, was es benötigt und was es liefert, sodass Ingenieure vor dem Start beurteilen können, ob es passt. Einstellungen ändern sich über name=value-Paare in der Kommandozeile, etwa für Szenarien, Dauer, Parallelität oder das zu testende Modell. Anschließend lässt sich das Template auf die eigenen Daten richten. Für tiefergehende Änderungen können Nutzer den Anwendungscode des Templates direkt im Klartext bearbeiten.

CoreWeave nannte ein Beispiel für Isaac Sim: Varianten ausgehend von einer Basisversion, etwa mit anderem Kamerawinkel, warmer Beleuchtung, einer schwereren Nutzlast von 250 g oder einem UR10e-Roboter, jeweils von Hand angepasst und in rund 30 Sekunden gestartet, ganz ohne Skripting.

Das Unternehmen führt mehrere eingebaute Verhaltensweisen auf. Soweit der Workload es zulässt, schließen Templates die reine CPU-Vorbereitung und Nachbearbeitung ab, bevor die GPU-Ausführung beginnt, und geben die Kapazität frei, sobald die GPU-Phase endet. Jedes Template deklariert eigene Ressourcen- und Nebenläufigkeitsgrenzen, damit parallele Läufe nicht konkurrieren. Berichte, Metriken, Medien und Diagnosedaten kommen über dieselbe Schnittstelle zurück.

Die Software in den Templates stamme nicht von CoreWeave selbst, so das Unternehmen: Es integriere Werkzeuge, für die sich Teams bereits entschieden haben, und betreibe darunter die Schichten Infrastruktur, Observability und CoreWeave Forge.

Unterstützung für Coding-Agenten und Partner-Tools

Die Veröffentlichung zielt auch auf agentengesteuerte Arbeit. CoreWeave weist darauf hin, dass NVIDIA Referenz-Skills für KI-Agenten zu seiner Physical-AI-Software veröffentlicht, die in jeder Cloud laufen sollen. Physical AI Launchables liefert darauf aufbauend eigene Skills mit, die auf die Cloud von CoreWeave abgestimmt sind. Sie kommen mit jedem Template und funktionieren mit Claude Code, Codex und anderen KI-Coding-Agenten. Laut CoreWeave ist jede Operation dokumentiert und jede Antwort maschinenlesbar, sodass ein Skript oder ein Agent einen Lauf starten, überwachen und die Ergebnisse abrufen kann. Menschen und Agenten arbeiten im selben sichtbaren Workflow, sodass sich von einem Agenten vorgenommene Änderungen prüfen und nachvollziehen lassen.

Für Teams, die lieber eigene Werkzeuge nutzen, arbeitet CoreWeave nach eigenen Angaben mit Softwareanbietern zusammen, damit deren Produkte auf CoreWeave laufen, während die Oberfläche die ihre bleibt. Als Partner genannt werden Cadence, Convergent Science, Encord, nTop, PhysicsX und Voxel51. Encord-Mitgründer und CEO Eric Landau sagte, die Kombination mache es Teams „einfacher, mit multimodalen Daten zu arbeiten und ihre KI-Modellentwicklung voranzutreiben“. Voxel51-Mitgründer und CEO Brian Moore erklärte, sie helfe Entwicklern, „das Data-Flywheel zu beschleunigen“.

Was das für Entwicklungsteams bedeutet

Für Robotik- und AV-Teams lautet das Versprechen: weniger Einrichtungsaufwand vor jedem Experiment und mehr Zeit für die Ergebnisse. Teams können mit dem Template beginnen, das ihrer Aufgabe am nächsten kommt, etwa Pick-and-place mit Episodenvideo, eine Szene mit Gabelstapler und Palette, die gelabelte synthetische Daten erzeugt, oder Fahrszenarien, die über eine Matrix durchgespielt werden. CoreWeave lädt Teams ein zu beschreiben, was sie ausführen möchten, und verspricht, ihnen ein passendes Template zu nennen und Ingenieure hinzuzuziehen, die es bereits betrieben haben, sei es für ein langfristiges Programm auf reservierter Kapazität oder für einen einzelnen Burst-Job. Angaben zu Preisen oder zur Verfügbarkeit über den Startkatalog hinaus enthält die Quelle nicht.