NVIDIA Cosmos 3-Modelle kommen auf Amazon SageMaker JumpStart und erweitern die Verfügbarkeit des fortschrittlichen Portfolios für künstliche Intelligenz um offene, multimodale Weltmodelle der nächsten Generation. AWS-Kunden können nun auf drei spezialisierte Foundation-Modelle zugreifen, die explizit für die Entwicklung physischer KI entwickelt wurden. Sie versetzen Ingenieure in die Lage, hochentwickelte Roboter, autonome Fahrzeuge und Vision-KI-Systeme zu konstruieren, die physische Umgebungen wahrnehmen, begründen, planen und in ihnen agieren können.
Bereitstellung von Frontier Physical AI über AWS
Die Integration in Amazon SageMaker JumpStart bietet Unternehmensentwicklern und Forschern einen optimierten Zugang zur Bereitstellung modernster Modelle. Anstatt komplexe zugrundeliegende Infrastrukturkonfigurationen zu verwalten, können Engineering-Teams jedes der drei Modelle mit nur wenigen Klicks über die SageMaker-Konsole oder programmatisch über das SageMaker Python SDK in ihren jeweiligen AWS-Konten bereitstellen.
Diese Modelle schlagen die entscheidende Brücke zwischen digitaler Intelligenz und physischer Ausführung und bewältigen eine Vielzahl industrieller Herausforderungen, die physikalisches Denken in Echtzeit, räumliche Wahrnehmung und hochpräzise Umgebungssimulation erfordern. Jedes Modell der Cosmos 3-Reihe zielt auf spezifische betriebliche Einschränkungen ab und skaliert von ressourcenbeschränkten Embedded-Systemen bis hin zu massiven Cloud-basierten Simulationspipelines.
Die Spezifikationen des Cosmos 3-Modellportfolios
Das neu verfügbare Suite-Paket besteht aus drei verschiedenen Varianten, die auf spezifische Leistungsmerkmale und Workload-Anforderungen zugeschnitten sind:
- Cosmos3-Edge: Explizit für die Robotersteuerung auf dem Gerät und visuelles Denken in Echtzeit auf spezialisierter Edge-Hardware entwickelt. Dieses multimodale 4B-Parameter-Modell integriert einen 2B Nemotron-basierten Reasoner, der mit Robotersteuerungsauflösung (640×360) arbeitet. Es liefert Echtzeit-Reasoning und generiert 32 Aktionen pro Inferenz bei 15 Hz auf NVIDIA Jetson Thor, während es gleichzeitig 256p- und 480p-Videostreams mit 12 bis 30 FPS unterstützt.
- Cosmos3-Nano: Ein kompaktes multimodales Modell mit 16 Milliarden Parametern, das für die physikalisches Bewusstsein erforderliche Weltgenerierung und tiefgehendes physikalisches Denken optimiert ist. Es verarbeitet multimodale Eingaben aus Text, Bildern, Video, Audio und Aktionsvertrajektorien, um synchronisierte Ausgaben zu erzeugen, sodass Agenten Vorwissen, gesunden Menschenverstand und physikalische Intuition nutzen können. Es unterstützt fortgeschrittenes Chain-of-Thought-Reasoning über Text, Bilder und Video hinweg in Auflösungen von bis zu 720p.
- Cosmos3-Super: Das Spitzenmodell der Familie, das mit 64 Milliarden Parametern die treueste Weltgenerierung und -simulation bietet. Unter Verwendung einer einheitlichen Mixture-of-Transformers-Architektur verarbeitet und generiert es gemeinsam Sprache, Bilder, Video, Audio und Aktionssequenzen über mehrere Seitenverhältnisse hinweg bis zu einer Auflösung von 720p, womit es sich ideal für groß angelegte Simulationen, die Generierung synthetischer Daten und Policy-Learning-Workflows eignet.
Anwender, die diese Funktionen integrieren möchten, können sich auf die umfassende Dokumentation im Amazon SageMaker JumpStart-Modellkatalog beziehen, um ihre Bereitstellungspipelines effektiv zu konfigurieren.
Quelle: Originalartikel
