NVIDIA：Cosmos 3 具身智能的全模态世界模型

NVIDIA 推出的 Cosmos 3 是一系列专为物理 AI 打造的全模态世界模型，能够在一个统一的混合变换器架构下同时处理和生成语言、图像、视频、音频及动作序列。 该模型通过消除感知、模拟与执行之间的界限，成功整合了视觉语言分析、视频生成、环境模拟及动作预测等多种核心功能。其核心优势在于能够利用共享表示进行大规模的跨任务学习，并提供包括 Cosmos3-Super 和 Cosmos3-Nano 在内的多个版本以满足不同性能需求。 此外，该项目通过开源代码、模型权重、评估基准和高质量合成数据集，显著提升了机器人在现实场景中的推理与交互能力。作为物理 AI 的通用骨干，Cosmos 3 为构建具备预见未来和模拟复杂物理动态的智能体奠定了坚实基础。