初の完全オープンソース型マルチモーダル物理AIモデル「Cosmos3」が登場、NVIDIAがCosmos Allianceを共同設立
物理AIの分野では、著しい進展が見られています。6月1日、NVIDIAは物理AI向けのオープンワールド基盤大型モデル「Cosmos3」を正式にリリースしました。 世界初の完全オープンソースかつマルチモーダルな物理AI大規模モデルとして、視覚的推論、世界生成、行動予測を単一のシステムに統合した革新的なハイブリッド・トランスフォーマー・アーキテクチャを採用しています。これにより、物理AIのトレーニングおよび評価サイクルを数ヶ月からわずか数日に劇的に短縮できる可能性があります。
Cosmos3は、「限られたデータと断片的なシミュレーションフレームワーク下での実世界シナリオへの汎化の難しさ」という、業界が長年抱えてきた課題に対する新たな解決策を提供します。 本モデルは、数十億件に及ぶテキスト、画像、動画、音声、および運動軌跡を含む大規模な物理AIデータセットを用いて学習されました。クロスモーダルなコンテンツを自然に理解・生成することができ、物理シミュレーションにおいて業界トップクラスの精度を実現しています。

技術面では、Cosmos3は推論用トランスフォーマーと生成用トランスフォーマーを革新的に組み合わせています。本モデルはまず、物体の相互作用ルール、運動状態、時空間関係を深く分析し、その後、動画を正確に生成し、動作軌道を予測します。 この設計により、画像やテキストに対する強力なマルチモーダル理解、物理環境のシミュレーションおよび予測能力、そしてロボットが特定のタスクを完了するための行動戦略能力が備わっています。Artificial Analysis、Physics-IQ、RoboLabを含むいくつかの主要な物理AIベンチマークにおいて、Cosmos3はトップクラスのオープンソースモデルにランクインしています。
さまざまな開発段階に対応するため、NVIDIAは複数のバージョンをリリースしました。極めて高い精度でロボットや自動運転モデルの二次学習に焦点を当てた「Cosmos3Super」と、数秒で高品質な動画解析と動作推論を実行できる「Cosmos3Nano」です。両モデルとも現在、正式に利用可能です。 エッジデバイスでのリアルタイム推論向けに設計された「Cosmos3Edge」バージョンも、リリースロードマップに含まれています。
大規模モデルのリリースに合わせ、NVIDIAはAgile Robots、Black Forest Labs、Generalist、LTX、Runway、Skild AIなど、世界中の主要なモデル研究チームやAI開発者と共に「NVIDIA Cosmos Coalition」を共同設立しました。 NVIDIAの創業者兼CEOであるジェンセン・フアン氏は、マルチモーダル推論とワールドモデルにおける継続的なブレークスルーにより、物理AIの変革の時代が到来したと述べました。これらの最先端のオープンソースモデルのリリースは、世界中の開発者が技術的な飛躍を遂げ、現実世界で知覚、推論、行動を行うことができる次世代のインテリジェントシステムを構築する一助となるでしょう。
関連記事
Wan-Streamer v0.2は超低遅延のAIチャットを提供します
現代技術が急速に進歩するにつれ、人間とAIの相互作用はより一般的になっています。従来のビデオ通話では、ラグ、遅延、音声と映像の非同期といった問題にしばしば直面します。Tongyi Labによる最新リリースであるWan-Streamer v0.2は、これらの課題を完全に克服し、わずか550ミリ秒の応答遅延で、真に自然な「対面」コミュニケーションを可能にします。Wan-Streamer v0.2は、新しいエンドツーエンドのマルチモーダル理解および生成モデルです。単一のTransformerモデル内で
MetaはTSMCとMicronの参加を得て、旧型メモリを搭載した新規サーバーを整備する
人工知能の採用が世界中で加速する中、次世代DDR5メモリは深刻な供給不足に直面しています。AIデータセンターの展開における遅延を回避するため、MetaはTSMCやMicronといった業界のリーダーと提携し、画期的な過渡期のソリューションを開発しました。この革新により、従来DDR5専用に設計されていた高度なAIサーバーが、従来のDDR4モジュールとシームレスに動作できるようになりました。「フランケンシュタイン」構成と称されるこのシステムは、実世界のテストで顕著な安定性を示し、現在進行中のサプライチ
時系列データベースがリアルタイムのロボティクスデータをどのように支えるか
タイガー・データのドグ・パグヌッティ。パグヌッティ氏は、タイガー・データで産業用開発者エバンジェリストを務め、実世界の産業システムの構築を支援するチームをサポートしています。石油・ガスおよび製造業の自動化分野で12年以上の経験を持つ彼は、PLC、ロボット、SCADAシステムに取り組み、その後Dell EMCおよびVTScadaでの産業用ソフトウェア開発に移行しました。彼は、大規模なIIoT展開における時系列データインフラストラクチャの課題を自動化エンジニアが解決するのを支援することで、OTとIT
関連特集おすすめ
コメント (0)
0/500
物理AIの分野では、著しい進展が見られています。6月1日、NVIDIAは物理AI向けのオープンワールド基盤大型モデル「Cosmos3」を正式にリリースしました。 世界初の完全オープンソースかつマルチモーダルな物理AI大規模モデルとして、視覚的推論、世界生成、行動予測を単一のシステムに統合した革新的なハイブリッド・トランスフォーマー・アーキテクチャを採用しています。これにより、物理AIのトレーニングおよび評価サイクルを数ヶ月からわずか数日に劇的に短縮できる可能性があります。
Cosmos3は、「限られたデータと断片的なシミュレーションフレームワーク下での実世界シナリオへの汎化の難しさ」という、業界が長年抱えてきた課題に対する新たな解決策を提供します。 本モデルは、数十億件に及ぶテキスト、画像、動画、音声、および運動軌跡を含む大規模な物理AIデータセットを用いて学習されました。クロスモーダルなコンテンツを自然に理解・生成することができ、物理シミュレーションにおいて業界トップクラスの精度を実現しています。

技術面では、Cosmos3は推論用トランスフォーマーと生成用トランスフォーマーを革新的に組み合わせています。本モデルはまず、物体の相互作用ルール、運動状態、時空間関係を深く分析し、その後、動画を正確に生成し、動作軌道を予測します。 この設計により、画像やテキストに対する強力なマルチモーダル理解、物理環境のシミュレーションおよび予測能力、そしてロボットが特定のタスクを完了するための行動戦略能力が備わっています。Artificial Analysis、Physics-IQ、RoboLabを含むいくつかの主要な物理AIベンチマークにおいて、Cosmos3はトップクラスのオープンソースモデルにランクインしています。
さまざまな開発段階に対応するため、NVIDIAは複数のバージョンをリリースしました。極めて高い精度でロボットや自動運転モデルの二次学習に焦点を当てた「Cosmos3Super」と、数秒で高品質な動画解析と動作推論を実行できる「Cosmos3Nano」です。両モデルとも現在、正式に利用可能です。 エッジデバイスでのリアルタイム推論向けに設計された「Cosmos3Edge」バージョンも、リリースロードマップに含まれています。
大規模モデルのリリースに合わせ、NVIDIAはAgile Robots、Black Forest Labs、Generalist、LTX、Runway、Skild AIなど、世界中の主要なモデル研究チームやAI開発者と共に「NVIDIA Cosmos Coalition」を共同設立しました。 NVIDIAの創業者兼CEOであるジェンセン・フアン氏は、マルチモーダル推論とワールドモデルにおける継続的なブレークスルーにより、物理AIの変革の時代が到来したと述べました。これらの最先端のオープンソースモデルのリリースは、世界中の開発者が技術的な飛躍を遂げ、現実世界で知覚、推論、行動を行うことができる次世代のインテリジェントシステムを構築する一助となるでしょう。
Wan-Streamer v0.2は超低遅延のAIチャットを提供します
現代技術が急速に進歩するにつれ、人間とAIの相互作用はより一般的になっています。従来のビデオ通話では、ラグ、遅延、音声と映像の非同期といった問題にしばしば直面します。Tongyi Labによる最新リリースであるWan-Streamer v0.2は、これらの課題を完全に克服し、わずか550ミリ秒の応答遅延で、真に自然な「対面」コミュニケーションを可能にします。Wan-Streamer v0.2は、新しいエンドツーエンドのマルチモーダル理解および生成モデルです。単一のTransformerモデル内で
MetaはTSMCとMicronの参加を得て、旧型メモリを搭載した新規サーバーを整備する
人工知能の採用が世界中で加速する中、次世代DDR5メモリは深刻な供給不足に直面しています。AIデータセンターの展開における遅延を回避するため、MetaはTSMCやMicronといった業界のリーダーと提携し、画期的な過渡期のソリューションを開発しました。この革新により、従来DDR5専用に設計されていた高度なAIサーバーが、従来のDDR4モジュールとシームレスに動作できるようになりました。「フランケンシュタイン」構成と称されるこのシステムは、実世界のテストで顕著な安定性を示し、現在進行中のサプライチ
時系列データベースがリアルタイムのロボティクスデータをどのように支えるか
タイガー・データのドグ・パグヌッティ。パグヌッティ氏は、タイガー・データで産業用開発者エバンジェリストを務め、実世界の産業システムの構築を支援するチームをサポートしています。石油・ガスおよび製造業の自動化分野で12年以上の経験を持つ彼は、PLC、ロボット、SCADAシステムに取り組み、その後Dell EMCおよびVTScadaでの産業用ソフトウェア開発に移行しました。彼は、大規模なIIoT展開における時系列データインフラストラクチャの課題を自動化エンジニアが解決するのを支援することで、OTとIT





家






