Cosmos؛ معرفی کامل، قابلیت‌ها و آخرین اخبار

Cosmos خانواده‌ای از مدل‌های پایهٔ جهان‌ساز NVIDIA است که برای هوش مصنوعی فیزیکی طراحی شده‌اند؛ یعنی سامانه‌هایی که باید محیط واقعی را درک کنند یا در آن دست به عمل بزنند، مانند ربات‌ها و خودروهای خودران. NVIDIA این خانواده را در ژانویهٔ ۲۰۲۵ معرفی کرد. Cosmos یک چت‌بات عمومی نیست: هدف آن کمک به توسعه‌دهندگان برای ساخت داده و ابزارهای آموزشی و شبیه‌سازی محیط‌های فیزیکی است. مدل‌ها می‌توانند از تصویر و ویدئو برای تحلیل صحنه یا تولید و تغییر ویدئوهای محیط‌های واقعی استفاده کنند.

نسخه‌های اولیه شامل Cosmos-Predict1 برای پیش‌بینی و تولید ویدئوی محیط‌های فیزیکی و Cosmos-Transfer1 برای ساخت ویدئوهای مصنوعی بر پایهٔ ورودی‌هایی مانند ویدئو و اطلاعات کنترلی بودند. NVIDIA همچنین Cosmos-Reason1 را برای استدلال دربارهٔ موقعیت‌های فیزیکی معرفی کرد. در کنار این مدل‌ها، ابزارها و اجزایی برای آماده‌سازی داده و کار با ورودی‌های تصویری وجود دارد. هر مدل کار متفاوتی دارد؛ بنابراین Cosmos را نباید یک مدل واحد با یک کاربرد ثابت دانست. جزئیات نسخه‌ها و مجوز استفاده ممکن است میان اجزای خانواده فرق کند.

کاربرد اصلی Cosmos در پژوهش و توسعهٔ سامانه‌هایی است که با جهان فیزیکی سروکار دارند. برای نمونه، تیم رباتیک می‌تواند از ویدئوهای مصنوعی برای آزمودن رفتار ربات در صحنه‌های گوناگون کمک بگیرد، یا از مدل‌های پیش‌بینی برای بررسی آنچه ممکن است پس از یک حرکت رخ دهد استفاده کند. مدل‌ها برای توسعه‌دهندگان و سازمان‌ها مناسب‌ترند تا کاربران عادی؛ استفاده از آن‌ها معمولاً به دانش فنی و توان پردازشی نیاز دارد. مدل‌های منتشرشده را می‌توان برای اجرای محلی دریافت کرد، اما دسترسی به وزن‌ها به معنی رایگان‌بودن هزینهٔ سخت‌افزار، آموزش یا اجرای عملیاتی نیست.

در اکتبر ۲۰۲۶، یکی از آموزش‌های منتشرشده دربارهٔ Cosmos به ساخت خط لولهٔ یادگیری رباتیک با مجموعه‌دادهٔ ۷۰۷ گیگابایتی NVIDIA Cosmos3-DROID می‌پردازد. روش توضیح‌داده‌شده داده‌ها و ویدئوها را به‌صورت گزینشی می‌خواند و نیاز به دانلود کامل مجموعه‌داده را برطرف می‌کند. این خبر دربارهٔ روش کار با داده است و به‌تنهایی نشان نمی‌دهد Cosmos3-DROID نام یک مدل باشد. در مجموع، جایگاه Cosmos بیشتر در زیرساخت پژوهش و توسعهٔ هوش مصنوعی فیزیکی است تا تولید محتوای روزمره یا گفت‌وگو.