Plateforme modèle de la Fondation Cosmos World pour l'IA Physique

Cosmos World Foundation Model Platform for Physical AI

January 7, 2025

Auteurs: 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

Résumé

Les intelligences artificielles physiques doivent d'abord être entraînées numériquement. Elles ont besoin d'un jumeau numérique d'elles-mêmes, le modèle de politique, et d'un jumeau numérique du monde, le modèle du monde. Dans cet article, nous présentons la Plateforme du Modèle de Fondation du Monde Cosmos pour aider les développeurs à construire des modèles de monde personnalisés pour leurs configurations d'IA physique. Nous positionnons un modèle de fondation du monde comme un modèle de monde polyvalent qui peut être affiné en modèles de monde personnalisés pour des applications ultérieures. Notre plateforme couvre un pipeline de curation vidéo, des modèles de fondation du monde pré-entraînés, des exemples de post-entraînement de modèles de fondation du monde pré-entraînés, et des tokenizers vidéo. Pour aider les constructeurs d'IA physique à résoudre les problèmes les plus critiques de notre société, nous rendons notre plateforme open-source et nos modèles open-weight avec des licences permissives disponibles via 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.