Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
N
NVIDIA / nvidia/Cosmos3-H-Embodied-Nano
Cosmos3-H-Embodied-Nano
Am 20. Oktober 2026 veröffentlichter Forschungscheckpoint für chirurgische Robotik. Ein einziges Modell bietet drei Modi: Vorwärtsdynamik von Aktionen zu Video, inverse Dynamik von Video zu Aktionen und eine durch Bild, Text und Verlauf bedingte Policy. Es basiert auf Cosmos3-Nano, mit einem Qwen3-VL-Reasoning-Tower und einer angepassten generativen Komponente. Es handelt sich weder um drei unabhängige Modelle noch um ein zugelassenes Medizinprodukt.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | nvidia/Cosmos3-H-Embodied-Nano |
|---|---|
| Modelltyp | Robotik · Video · Multimodal |
| Zugangsmodell | Offene Gewichte |
| Lizenz | NVIDIA Open Model License Agreement |
| Einsatz | Selbst gehostet |
| Veröffentlichung | 20 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text · Bild · Video · Aktionen |
| Ausfahrt | Video · Aktionen |
| Kontextfenster | Clips von 2,4 Sekunden; bis zu 16 vorherige Aktionen |
| maximale Leistung | 25 Frames und 24 Aktionsschritte bei 10 Hz, abhängig vom Modus |
| Schlussfolgern | Nicht veröffentlicht |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | Nicht veröffentlicht |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · PyTorch |
Forschung zu Simulation, Imitation und Policy-Evaluation mit Open-H-Daten. Das Protokoll verwendet Clips von 2,4 Sekunden, einen Kontextframe und 24 zukünftige Frames sowie 24 Aktionsschritte bei 10 Hz. Bimanuelle Aktionen werden je Datensatz normalisiert und mit einer Maske aufgefüllt; sie sind nicht als universelle Befehle für unterschiedliche Roboter zu verstehen.
Die Lizenz ist das NVIDIA Open Model License Agreement, nicht OpenMDW 1.1. Die Ausgabe wird an eine Auflösung der 256p-Klasse mit vom Seitenverhältnis abhängigen Abmessungen angepasst. Der HTTP-Server ist eine Implementierung für den Eigenbetrieb, keine validierte kommerzielle API. Die Drift nimmt bei langen Sequenzen zu. Verwende den Checkpoint nicht im klinischen Betrieb ohne unabhängige Kontrollen, Validierung und Genehmigung.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Forschung zu Simulation, Imitation und Policy-Evaluation mit Open-H-Daten. Das Protokoll verwendet Clips von 2,4 Sekunden, einen Kontextframe und 24 zukünftige Frames sowie 24 Aktionsschritte bei 10 Hz. Bimanuelle Aktionen werden je Datensatz normalisiert und mit einer Maske aufgefüllt; sie sind nicht als universelle Befehle für unterschiedliche Roboter zu verstehen.
Kontext
Clips von 2,4 Sekunden; bis zu 16 vorherige Aktionen · 25 Frames und 24 Aktionsschritte bei 10 Hz, abhängig vom Modus
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · herunterladbarer Checkpoint
Eingabemodalitäten
TextBildVideoAktionen
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Öffentlicher Checkpoint mit 16B Parametern für die eigene Infrastruktur. Wir haben weder einen kommerziellen Endpunkt noch Tokenpreise verifiziert; die numerischen Kostenfelder bleiben leer. Herunterladbare Gewichte machen die Inferenz nicht kostenlos. Plane GPU, Speicher, Videokodierung und Betrieb ein und prüfe die Lizenz jeder Variante sowie ihrer Abhängigkeiten. Die Bildrate bei der Wiedergabe entspricht nicht dem Generierungsdurchsatz.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Der Anbieter bewertet 640 Clips aus zehn öffentlichen Datensatzfamilien mit zurückgehaltenen Episoden. Vorwärtsdynamik: PSNR 26,1; inverse Dynamik: MSE normalisierter Aktionen 0,009. Die Policy erreicht einen mittleren MSE von 0,052 und einen Best-of-four-Wert von 0,033; dies sind unterschiedliche Auswahlverfahren. Diese Metriken messen keine klinische Sicherheit und garantieren kein Instrumententracking. Inferama hat sie nicht reproduziert.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| Cosmos3-H held-out 640 forward PSNR ↑ | 26,1 dB | Punktzahl | Quelle öffnen ↗ |
| Cosmos3-H held-out 640 inverse action MSE ↓ | 0,009 | Punktzahl | Quelle öffnen ↗ |
| Cosmos3-H held-out 640 policy mean action MSE ↓ | 0,052 | Punktzahl | Quelle öffnen ↗ |
| Cosmos3-H held-out 640 policy best-of-4 action MSE ↓ | 0,033 | Punktzahl | Quelle öffnen ↗ |
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Cosmos3-H-Embodied-Nano
In den verifizierten Katalog von Inferama aufgenommene Version.
07 / QUELLEN