英伟达Cosmos平台支持交互式世界模型开发
Build World Models for Interactive Simulation with NVIDIA Cosmos
AI 摘要
英伟达推出面向物理AI的Cosmos平台,整合世界基础模型与开发工具,提供智能体技能和训练配方,帮助开发者把世界模型适配到自有传感器、任务和数据,并可靠集成到交互式仿真应用,降低从训练到部署的门槛。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
Build World Models for Interactive Simulation with NVIDIA Cosmos
AI 摘要
英伟达推出面向物理AI的Cosmos平台,整合世界基础模型与开发工具,提供智能体技能和训练配方,帮助开发者把世界模型适配到自有传感器、任务和数据,并可靠集成到交互式仿真应用,降低从训练到部署的门槛。
标题与摘要由 AI 根据原文自动生成,可能存在偏差;具体数据与结论请以原文为准。
ETH Zurich 等机构提出 Déjà-Events:只输入事件相机的多视角数据,单次前向即可预测深度、相机位姿与点图。该方法不依赖稀缺的三维标注,而是从冻结的 RGB 前馈模型 Déjà View 蒸馏最终 token,可训练参数仅约 1%。它借助稀疏感知自适应门控提升事件稀疏区域的几何精度,使高速运动与暗光场景下的三维感知更可用。
开发者 TongtongLiang 在 HuggingFace 发布一个面向 LIBERO 与 LIBERO-Plus 的动作回归策略模型,采用 RoPE,训练 10 个 epoch,支持中英文。目前下载量为 0,属个人小规模上传,未公布成功率等评测结果。
韩国研究者提出 ReuseMem,让机器人用同一份视觉记忆支撑后续多种操作目标。该方法在观察时以与未来任务无关的方式记录视觉特征,针对每个请求检索互补证据,再通过轻量动作接口与当前场景融合;检索过程由候选证据对专家动作预测的支持度监督。重复特征只存一次,动作生成中不变的计算被复用,在四个仿真任务与两个真实场景中验证有效。
Google DeepMind 发布升级版视觉语言动作(VLA)模型 Gemini Robotics 2.5,面向工业与日常场景,宣称扩展了机器人可执行的任务范围,并提升灵巧度、可靠性与安全性。该模型已在多项任务上完成评测,具体数字未在原文披露。