物理 AI

NVIDIA Cosmos

开发推动物理 AI 发展的世界基础模型。

概览

NVIDIA Cosmos 是什么?

NVIDIA Cosmos™ 是一个整合前沿生成式世界基础模型 (WFM) 先进分词器、护栏以及用于加速数据处理和管理的高效工作流的集成平台。该技术为世界模型训练提供支持,并加速自动驾驶汽车(AV)机器人物理 AI 开发。

NVIDIA 以云端至机器人计算平台驱动人形机器人物理 AI 革新

全新 NVIDIA Isaac™ GR00T 开放模型与 GR00T-Dreams blueprint 合成数据生成正在推动人形机器人推理与行为进化

利用 NVIDIA Cosmos 扩展合成数据和物理 AI 推理

了解最新的 NVIDIA Cosmos 世界基础模型用于高级推理和可控合成数据生成,为新一代 AI 驱动式人形机器人和自动驾驶汽车提供助力。

优势

加速物理 AI 的虚拟世界生成

Cosmos 为开发者提供开放、易于访问的高性能基础世界模型、数据工作流,以及用于机器人和自动驾驶应用生成合成数据并进行后训练的工具。

物理优先数据

物理优先数据

基础世界模型借助 2000 万小时的机器人和驾驶数据进行预训练,以生成基于物理的世界状态。

开放性

开放性

Cosmos WFM、护栏和标记器均根据 NVIDIA 开放式模型许可证获得许可,供所有物理 AI 开发者访问。

模型

Cosmos 基础世界模型

一系列预训练多模态模型,开发者可以开箱即用,用于世界生成和推理,或进行后训练以开发专用的物理 AI 模型。

Cosmos Predict

基于多模态输入的世界生成和运动预测的通用模型。基于 9000T 机器人与驾驶数据的 token 进行训练,专为后训练而打造。

作为 Cosmos NIM 提供,随时随地加速推理。

Cosmos Transfer

物理感知世界生成以基准真实值和 3D 输入为基础。输入包括用于生成可控合成数据NVIDIA Omniverse™ 分段图、深度信号、激光雷达扫描、关键点、轨迹、高清地图和地面实情仿真。

Cosmos Reason

这是一款具备完全可定制的多模态推理模型,基于对空间和时间的理解构建,用于规划响应。 

使用视觉语言模型微调和强化学习进行训练,以实现思想链推理。

Cosmos Guardrail

借助 Cosmos WFM 开发负责任的模型,其内置预保护措施可提前过滤不安全输入,同时配备后保护错误,确保输出结果始终安全且一致。

工具

后训练 Cosmos 基础世界模型

Cosmos 为开发者提供开放式的高性能数据管护工作流、标记器、训练框架和训练后脚本。凭借这些,开发者能快速、轻松地构建各类专用世界模型,诸如用于具身 AI 的策略模型和视觉语言动作 (VLA) 模型等。

高效地对视频数据进行标记化

高效地对视频数据进行标记化

使用 Cosmos 标记器以更高的压缩率生成图像或视频标记,以实现可扩展、稳健且高效的大世界模型的开发。选择高分辨率或低分辨率变体,将 Cosmos WFM 后训练为专用 AI 模型。

加速数据管护

加速数据管护

借助 CUDA-X™ 的 NVIDIA NeMo™ Curator 工作流和用于处理超过 100PB 数据的 NVIDIA AI 加速工具,将数据处理速度提高 20 倍。它提供开箱即用的优化,可更大限度地降低总体拥有成本 (TCO) ,并缩短上市时间。

AI Platform for Accelerated Training, Enabling Developers to Curate Data

全托管开发支持

NVIDIA DGX Cloud 是一款用于加速训练的高性能 AI 平台,可帮助开发者利用全托管服务来整理数据,进行后训练和部署视频和基础世界模型。

后训练脚本

后训练脚本

使用 PyTorch 脚本为下游物理 AI 用例自定义 Cosmos WFM。后训练模型以生成动作或文本,或修改长度、精度、视图和摄像头控制,以匹配现实世界的场景和要求。

硬件

借助 NVIDIA AI 实现卓越性能

Cosmos WFM 已针对 NVIDIA 最新的 Blackwell 架构 GPU 进行了进行全面优化。

在 NVIDIA Blackwell 上运行

对于运行 Cosmos 世界基础模型等大规模自定义多模态模型的企业,NVIDIA Blackwell 架构 GPU 可为数十亿多个参数的工作负载提供行业领先的速度和可扩展性。访问 NVIDIA DGX Cloud,开发新一代 AI 超级集群和大规模物理 AI 应用。

物理 AI 开发者可以利用搭载 NVIDIA RTX PRO Blackwell GPU 和 DGX Cloud 的服务器和工作站平台,使用 NVIDIA Omniverse 和 Cosmos 加速合成数据生成。这种组合可让您快速生成基于物理的良好合成数据。这有助于先进的机器人、自动驾驶汽车和仿真工作流程。

NVIDIA GB200 Grace Blackwell Superchip

用例

开发者如何使用 NVIDIA Cosmos

加速下游基础模型开发,通过合成数据生成和后训练推动视觉 AI 和具身 AI 的发展。

合成数据生成 (SDG)

Omniverse 可创建逼真的 3D 场景,用于 Cosmos Transfer 的输入,Cosmos Transfer 将这些场景扩展至各种逼真的环境和光照条件中。此过程会生成可扩展的增强型数据,从而消除数据瓶颈,实现更高效的基础模型训练。

Cosmos Reason 能够评估合成数据,删除不符合后训练或评估要求的输出结果。它还会生成标注信息,为数据添加上下文并帮助组织数据,从而加速视觉 AI 和具身 AI 的基础模型开发。

Synthetic Data Generation

我们的承诺

为物理 AI 社区普及可信 AI

Hugging Face 和 GitHub 上提供 Cosmos 模型、护栏和标记器,并提供资源来解决训练物理 AI 模型时的数据稀缺问题。我们致力于推动 Cosmos 向前发展——透明、开放,并面向所有人。

生态系统

已被领先的物理 AI 创新者广泛应用

来自机器人、自动驾驶汽车和视觉 AI 行业的模型开发者正在使用 Cosmos 来加速物理 AI 的开发。

1X Technologies 徽标
Agile Robots 徽标
Agility Robotics 徽标
Figure AI 徽标
Foretellix 徽标
Fourier 徽标
Galbot 徽标
Hillbot 徽标
IntBot 徽标
Linker Vision
Milestone 系统
Neura Robotics 徽标
Nexar
Oxa
Parallel Domain
Plus AI
Skild AI 徽标
Uber 徽标
Virtual Incision 徽标
Waabi 徽标
Wayve 徽标
Wistron logo
小鹏汽车徽标

下一步

准备好开始了吗?

使用 NVIDIA API 目录下基础世界模型试驾,或开始使用 NVIDIA Cosmos 构建您的世界模型。

WFM 后训练

Cosmos WFM 专为后训练而构建,可解锁强大的下游世界模型,加速物理 AI 开发。

为世界模型策划视频数据

利用由 NVIDIA NeMo Curator 提供支持的加速数据处理和管护工作流,该工作流针对 NVIDIA 数据中心 GPU 进行了优化。

常见问题解答