Piattaforma modello della Fondazione Cosmos World per l'IA Fisica

Cosmos World Foundation Model Platform for Physical AI

January 7, 2025

Autori: NVIDIA, Niket Agarwal, Arslan Ali, Maciej Bala, Yogesh Balaji, Erik Barker, Tiffany Cai, Prithvijit Chattopadhyay, Yongxin Chen, Yin Cui, Yifan Ding, Daniel Dworakowski, Jiaojiao Fan, Michele Fenzi, Francesco Ferroni, Sanja Fidler, Dieter Fox, Songwei Ge, Yunhao Ge, Jinwei Gu, Siddharth Gururani, Ethan He, Jiahui Huang, Jacob Huffman, Pooya Jannaty, Jingyi Jin, Seung Wook Kim, Gergely Klár, Grace Lam, Shiyi Lan, Laura Leal-Taixe, Anqi Li, Zhaoshuo Li, Chen-Hsuan Lin, Tsung-Yi Lin, Huan Ling, Ming-Yu Liu, Xian Liu, Alice Luo, Qianli Ma, Hanzi Mao, Kaichun Mo, Arsalan Mousavian, Seungjun Nah, Sriharsha Niverty, David Page, Despoina Paschalidou, Zeeshan Patel, Lindsey Pavao, Morteza Ramezanali, Fitsum Reda, Xiaowei Ren, Vasanth Rao Naik Sabavat, Ed Schmerling, Stella Shi, Bartosz Stefaniak, Shitao Tang, Lyne Tchapmi, Przemek Tredak, Wei-Cheng Tseng, Jibin Varghese, Hao Wang, Haoxiang Wang, Heng Wang, Ting-Chun Wang, Fangyin Wei, Xinyue Wei, Jay Zhangjie Wu, Jiashu Xu, Wei Yang, Lin Yen-Chen, Xiaohui Zeng, Yu Zeng, Jing Zhang, Qinsheng Zhang, Yuxuan Zhang, Qingqing Zhao, Artur Zolkowski

cs.AI

Abstract

L'IA fisica deve essere prima addestrata digitalmente. Ha bisogno di un gemello digitale di sé stesso, il modello di politica, e di un gemello digitale del mondo, il modello del mondo. In questo articolo, presentiamo la Piattaforma del Modello della Fondazione del Mondo Cosmos per aiutare gli sviluppatori a costruire modelli del mondo personalizzati per le loro configurazioni di IA fisica. Posizioniamo un modello di fondazione del mondo come un modello del mondo ad uso generale che può essere ottimizzato per diventare modelli del mondo personalizzati per applicazioni successive. La nostra piattaforma copre un flusso di lavoro di selezione video, modelli di fondazione del mondo pre-addestrati, esempi di post-addestramento di modelli di fondazione del mondo pre-addestrati e tokenizzatori video. Per aiutare i costruttori di IA fisica a risolvere i problemi più critici della nostra società, rendiamo la nostra piattaforma open-source e i nostri modelli open-weight con licenze permissive disponibili tramite https://github.com/NVIDIA/Cosmos.

English

Physical AI needs to be trained digitally first. It needs a digital twin of itself, the policy model, and a digital twin of the world, the world model. In this paper, we present the Cosmos World Foundation Model Platform to help developers build customized world models for their Physical AI setups. We position a world foundation model as a general-purpose world model that can be fine-tuned into customized world models for downstream applications. Our platform covers a video curation pipeline, pre-trained world foundation models, examples of post-training of pre-trained world foundation models, and video tokenizers. To help Physical AI builders solve the most critical problems of our society, we make our platform open-source and our models open-weight with permissive licenses available via https://github.com/NVIDIA/Cosmos.