Nghiên cứu · Chubby♨️
NVIDIA công bố mã nguồn mở Cosmos 3: Mô hình 'toàn năng' đầu tiên cho AI vật lý
NVIDIA ra mắt Cosmos 3, mô hình AI vật lý có khả năng suy luận thị giác, dự đoán tương lai và điều khiển robot. Hai phiên bản 32B và 8B cùng toàn bộ trọng số, mã nguồn và dữ liệu đã được công khai hoà
Tóm tắt
NVIDIA ra mắt Cosmos 3, mô hình AI vật lý có khả năng suy luận thị giác, dự đoán tương lai và điều khiển robot. Hai phiên bản 32B và 8B cùng toàn bộ trọng số, mã nguồn và dữ liệu đã được công khai hoàn toàn.
Vì sao đáng chú ý
Đây là bước tiến lớn trong lĩnh vực AI vật lý (Embodied AI) với việc mở mã nguồn hoàn toàn từ NVIDIA, có tác động trực tiếp đến cộng đồng nghiên cứu và phát triển robot.
Nội dung dịch chi tiết
Tại sự kiện GTC Taipei, NVIDIA đã công bố việc mở mã nguồn hoàn toàn cho Cosmos 3. Đây được coi là mô hình "toàn năng" đầu tiên được thiết kế chuyên biệt cho lĩnh vực AI vật lý.
Cosmos 3 sở hữu khả năng suy luận thị giác nguyên bản. Công nghệ này cho phép mô hình hiểu được các tình huống trong thế giới thực, dự đoán các sự kiện trong tương lai và tự động tạo ra các hành động cần thiết mà robot nên thực hiện.
Trong đợt phát hành này, NVIDIA cung cấp hai phiên bản khác nhau để người dùng lựa chọn: phiên bản Super với 32 tỷ tham số (32B) và phiên bản Nano với 8 tỷ tham số (8B).
Để hỗ trợ cộng đồng phát triển, NVIDIA đã công khai toàn bộ trọng số mô hình, mã nguồn và các bộ dữ liệu liên quan. Việc mở hoàn toàn các tài nguyên này giúp các nhà phát triển dễ dàng tiếp cận và ứng dụng Cosmos 3 vào các dự án AI vật lý của mình.
Ý chính từ bài gốc
- NVIDIA công bố mã nguồn mở hoàn toàn cho mô hình Cosmos 3 tại GTC Taipei.
- Cosmos 3 là mô hình "toàn năng" đầu tiên dành cho AI vật lý với khả năng suy luận thị giác.
- Mô hình có thể hiểu thế giới thực, dự đoán tương lai và điều khiển hành động của robot.
- Phát hành hai biến thể: Super (32B) và Nano (8B).
- Công khai toàn bộ trọng số mô hình, mã nguồn và bộ dữ liệu.
Bài viết được AI dịch và tổng hợp tự động từ X/Twitter. Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.