Plataforma Modelo de la Fundación Cosmos World para la 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

Resumen

El AI físico necesita ser entrenado digitalmente primero. Requiere un gemelo digital de sí mismo, el modelo de política, y un gemelo digital del mundo, el modelo del mundo. En este documento, presentamos la Plataforma del Modelo de Fundación del Mundo Cosmos para ayudar a los desarrolladores a construir modelos de mundo personalizados para sus configuraciones de AI física. Posicionamos un modelo de fundación del mundo como un modelo de mundo de propósito general que puede ser ajustado para convertirse en modelos de mundo personalizados para aplicaciones posteriores. Nuestra plataforma abarca un proceso de curación de video, modelos de fundación del mundo pre-entrenados, ejemplos de post-entrenamiento de modelos de fundación del mundo pre-entrenados, y tokenizadores de video. Para ayudar a los constructores de AI física a resolver los problemas más críticos de nuestra sociedad, hacemos nuestra plataforma de código abierto y nuestros modelos de peso abierto con licencias permisivas disponibles a través de 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.