Plataforma Modelo da Fundação Cosmos World para IA Física

Cosmos World Foundation Model Platform for Physical AI

January 7, 2025

Autores: 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

Resumo

A IA física precisa ser treinada digitalmente primeiro. Ela precisa de um gêmeo digital de si mesma, o modelo de política, e um gêmeo digital do mundo, o modelo do mundo. Neste artigo, apresentamos a Plataforma do Modelo de Fundação do Mundo Cosmos para ajudar os desenvolvedores a construir modelos de mundo personalizados para suas configurações de IA física. Posicionamos um modelo de fundação do mundo como um modelo de mundo de uso geral que pode ser ajustado para modelos de mundo personalizados para aplicações posteriores. Nossa plataforma abrange um pipeline de curadoria de vídeo, modelos de fundação de mundo pré-treinados, exemplos de pós-treinamento de modelos de fundação de mundo pré-treinados e tokenizers de vídeo. Para ajudar os construtores de IA física a resolver os problemas mais críticos de nossa sociedade, tornamos nossa plataforma de código aberto e nossos modelos de peso aberto com licenças permissivas disponíveis em 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.