公開内容
NVIDIAは2026年7月20日、Hugging Faceで Cosmos 3 Edge を公開しました。4Bの世界モデルで、場面を理解し未来と行動結果を予測してロボットやビジョンAIがエッジ機器で利用できるよう設計されています。重みはログインなしで取得でき、OpenMDW 1.1の条件が適用されます。
モデル構成
- 自己回帰タワーが映像と文章を理解・推論します。
- 拡散タワーが映像、音声、行動トークンの予測と生成を担います。
- 共有マルチモーダル注意層が場面、未来、行動を結びます。
- DROIDで後処理した操作方策と学習スクリプトもあります。
NVIDIAはJetson Thorで640×360の観測から推論ごとに32行動を生成し15Hz制御を実現したと報告しています。4ステップ蒸留の画像から動画、文章から画像のモデルも公開し、基本モデルより最大25倍高速としています。
注目点
世界モデルをデータセンターAPIだけでなく工場や倉庫、ロボット近くへ置く選択肢です。ただしオープンでも機器と電力は無料ではなく、NVIDIA向け最適化とOpenMDW条件の確認が必要です。
安全と検証
公式安全文書は安全認証部品ではなく、人命に関わる判断・制御の唯一の根拠にしないよう明記しています。物理制限、非常停止、シミュレーションと現場の段階試験、人の監督、独立安全制御が必要です。順位と速度は対象機器で再測定してください。