NVIDIA 在 Hugging Face 发布 Cosmos 3 四个开放权重检查点

核心事实

NVIDIA 在 Hugging Face 博客发布文章，宣布 Cosmos 世界模型开发平台为 Cosmos 3 模型家族新增四个开放权重检查点，用于交互式世界模拟以及多传感器、多视角驾驶场景生成。据文章介绍，四个模型分别是 Cosmos3-Nano-Transfer-Auto（生成带天气、光照和时段变化的多视角驾驶数据）、Cosmos3-Nano-Sim-Auto（为驾驶模拟输出同步的摄像头与激光雷达观测）、Cosmos3-Nano-Sim-Transfer（把模拟器控制与文本提示转为逼真视频）以及 Cosmos3-Nano-Sim-Bimanual（由机器人或摄像头动作预测视频）。文章称四者均为 Cosmos 3 Nano 的后训练示例，拥有 16B 可训练参数，采用 OpenMDW1.1 许可，按其条款允许商业与非商业使用。

背景与影响

文章将这批检查点定位为构建机器人与自动驾驶训练环境的互补工具：Sim-Bimanual 从动作预测视觉结果，Sim-Transfer 把物理模拟器的控制转为生成观测；驾驶方向则强调外观与几何一致，让摄像头与激光雷达同步生成，并通过场景与交通信号控制改变道路布局和信号状态。文章还介绍了流式生成机制与四阶段训练配方（双向适配、教师强制、一致性蒸馏、自强制），并称开放权重与后训练配方为研究者提供共同起点。文章同时指出，这些模型在多大程度上忠实支持策略学习与评估仍需测量，其局限也有待理解与改进。

限制与来源

上述参数规模、许可条款与功能描述均来自 NVIDIA 在 Hugging Face 发布的博客文章，尚未见独立验证；模型的实际可用性、许可适用范围与部署要求请以官方页面及官网当前信息为准。文章提到 Sim-Bimanual 的运行环境要求为 Linux、NVIDIA GPU、Docker 与 NVIDIA Container Toolkit，并称公布的 vLLM-Omni 配置在一台 GB200 上测试过，但明确这不是最低显存规格。来源：Hugging Face 博客，作者署名包括 Pranjali Joshi、Rick Z、Yao Xu 等。