Cosmos-Transfer1: Generazione Condizionata di Mondi con Controllo Adattivo Multimodale
Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control
March 18, 2025
Autori: NVIDIA, Hassan Abu Alhaija, Jose Alvarez, Maciej Bala, Tiffany Cai, Tianshi Cao, Liz Cha, Joshua Chen, Mike Chen, Francesco Ferroni, Sanja Fidler, Dieter Fox, Yunhao Ge, Jinwei Gu, Ali Hassani, Michael Isaev, Pooya Jannaty, Shiyi Lan, Tobias Lasser, Huan Ling, Ming-Yu Liu, Xian Liu, Yifan Lu, Alice Luo, Qianli Ma, Hanzi Mao, Fabio Ramos, Xuanchi Ren, Tianchang Shen, Shitao Tang, Ting-Chun Wang, Jay Wu, Jiashu Xu, Stella Xu, Kevin Xie, Yuchong Ye, Xiaodong Yang, Xiaohui Zeng, Yu Zeng
cs.AI
Abstract
Introduciamo Cosmos-Transfer, un modello di generazione condizionata di mondi in grado di creare simulazioni basate su molteplici input di controllo spaziale di varie modalità, come segmentazione, profondità e contorni. Nel design, lo schema condizionato spaziale è adattivo e personalizzabile. Consente di ponderare diversamente i diversi input condizionati in diverse posizioni spaziali. Ciò permette una generazione di mondi altamente controllabile e trova applicazione in vari casi d'uso di trasferimento da mondo a mondo, incluso Sim2Real. Abbiamo condotto valutazioni approfondite per analizzare il modello proposto e dimostrare le sue applicazioni per l'AI Fisica, tra cui il Sim2Real nella robotica e l'arricchimento dei dati per veicoli autonomi. Inoltre, dimostriamo una strategia di scalabilità dell'inferenza per ottenere una generazione di mondi in tempo reale con un rack NVIDIA GB200 NVL72. Per contribuire ad accelerare lo sviluppo della ricerca in questo campo, abbiamo reso open-source i nostri modelli e il codice all'indirizzo https://github.com/nvidia-cosmos/cosmos-transfer1.
English
We introduce Cosmos-Transfer, a conditional world generation model that can
generate world simulations based on multiple spatial control inputs of various
modalities such as segmentation, depth, and edge. In the design, the spatial
conditional scheme is adaptive and customizable. It allows weighting different
conditional inputs differently at different spatial locations. This enables
highly controllable world generation and finds use in various world-to-world
transfer use cases, including Sim2Real. We conduct extensive evaluations to
analyze the proposed model and demonstrate its applications for Physical AI,
including robotics Sim2Real and autonomous vehicle data enrichment. We further
demonstrate an inference scaling strategy to achieve real-time world generation
with an NVIDIA GB200 NVL72 rack. To help accelerate research development in the
field, we open-source our models and code at
https://github.com/nvidia-cosmos/cosmos-transfer1.