Cosmos World Foundation Modellplattform für Körperliche KI

Cosmos World Foundation Model Platform for Physical AI

January 7, 2025

Autoren: 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

Zusammenfassung

Künstliche Intelligenz (KI) muss zunächst digital trainiert werden. Sie benötigt eine digitale Zwillingversion von sich selbst, dem Richtlinienmodell, und eine digitale Zwillingversion der Welt, dem Weltmodell. In diesem Paper präsentieren wir die Cosmos World Foundation Model Platform, um Entwicklern dabei zu helfen, maßgeschneiderte Weltmodelle für ihre KI-Systeme zu erstellen. Wir positionieren ein Weltgrundlagenmodell als ein allgemeines Weltmodell, das für nachgelagerte Anwendungen in maßgeschneiderte Weltmodelle feinabgestimmt werden kann. Unsere Plattform umfasst eine Videokuratierungspipeline, vorab trainierte Weltgrundlagenmodelle, Beispiele für die Nachschulung von vorab trainierten Weltgrundlagenmodellen und Videotokenizer. Um den Entwicklern von KI-Systemen dabei zu helfen, die drängendsten Probleme unserer Gesellschaft zu lösen, stellen wir unsere Plattform Open Source zur Verfügung und unsere Modelle mit offenen Gewichten und großzügigen Lizenzen über https://github.com/NVIDIA/Cosmos zugänglich.

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.