NVIDIA Cosmos 3：物理AIの基礎となるオープンワールドモデル

NVIDIAは、mixture-of-transformersアーキテクチャに基づく、フロンティアのオープンな物理AI基盤オムニモデルであるCosmos 3を発表しました。これは、視覚推論、ワールド生成、行動予測を組み合わせたもので、開発者はシーン理解、合成データ生成、将来状態のシミュレーション、および専門的なワールドアクションモデルの構築に、1つのモデルファミリーを使用できます。このファミリーには、高忠実度のワールドモデリング用のCosmos 3 Super（64B）、効率的な推論とポストトレーニング用のCosmos 3 Nano（16B）、およびデバイス上の視覚推論とロボットポリシー展開用のCosmos 3 Edge（4B）が含まれており、NVIDIA RTX GPU、DGXシステム、Jetsonプラットフォーム全体で展開可能です。ベンチマークによると、Cosmos 3はオープンなウェイトのテキストから画像への生成と画像からビデオへの生成でArtificial Analysisで第1位、ワールド生成でPAI-Benchで第1位、Physics-IQの画像からビデオのカテゴリで第1位、ロボットポリシーでRoboLabで第1位、そしてCosmos 3 Superは視覚理解でVANTAGE-Benchで最も高いランクのオープンモデルです。NVIDIA Cosmosワールド基盤モデルは、Linux FoundationのOpenMDW 1.1ライセンスの下で利用可能であり、チームは自社のデータとハードウェアでモデルをポストトレーニングできます。NVIDIAの物理AIスタックには、ロボティクス用のIsaac GR00T、自動運転車用のAlpamayo、ビジョンAI用のMetropolisも含まれています。斗山ロボティクス、LGエレクトロニクス、サムスン電子、Skild AI、理想汽車、Xiaomi、Afari、Centific、Fogsphere、Linker Vision、Milestone Systems、Yuanなどの企業が、物理AIアプリケーション向けにNVIDIA Cosmos上で構築しています。最近日本に拡大したNVIDIA Cosmos連合は、ワールドモデルビルダー、AI開発者、物理AIリーダーを集め、モデル、研究、評価方法を提供しています。