Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Bimanual
Cosmos3-Nano-Sim-Bimanual
Kausales NVIDIA-Modell zur visuellen Simulation bimanueller Manipulation und Kameranavigation, veröffentlicht am 20. Oktober 2026. Es erhält ein Ausgangsbild, Roboteraktionen, eine Kameratrajektorie und optionalen Text. Es gibt Video aus, keine Aktionen, und darf nicht mit einer Steuerungs-Policy verwechselt werden. Der Checkpoint nennt eine AgiBot-Morphologie; andere Bauformen erfordern eine gesonderte Validierung.
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-Nano-Sim-Bimanual |
|---|---|
| Modelltyp | Robotik · Video · Multimodal |
| Zugangsmodell | Offene Gewichte |
| Lizenz | OpenMDW 1.1 |
| Einsatz | Selbst gehostet |
| Veröffentlichung | 20 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text · Bild · Aktionen |
| Ausfahrt | Video |
| Kontextfenster | Ausgangsbild, Aktionen und Kameratrajektorie |
| maximale Leistung | Video bei 480p; Wiedergabe mit 30 fps |
| Schlussfolgern | Nicht veröffentlicht |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | Nicht veröffentlicht |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · PyTorch |
Untersuchung der visuellen Folgen von Aktionen und Evaluation der Navigation im geschlossenen Regelkreis. Verlauf und kausale Abschnitte ermöglichen das abwechselnde Einspeisen von Steuerdaten und Generieren von Ausgaben. Angegeben sind 480p und eine Wiedergabe mit 30 fps. Wir übernehmen nicht die Höchstzahl von 600 Frames aus Sim-Transfer, da für diese Variante keine entsprechende allgemeine Obergrenze verifiziert wurde.
Die Fähigkeit, Bewegungen darzustellen, garantiert nicht die Einhaltung von Kollisionen, Kräften oder Robotergrenzen. Bewahre die Kamerakalibrierung und die Definition jeder Aktionsdimension auf. Prüfe Objektveränderungen, Drift und kumulative Fehler. Führe Aktionen auf realer Hardware nicht allein deshalb aus, weil das Video plausibel wirkt; Aufsicht und Sicherheitsgrenzen sind davon unabhängig.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Untersuchung der visuellen Folgen von Aktionen und Evaluation der Navigation im geschlossenen Regelkreis. Verlauf und kausale Abschnitte ermöglichen das abwechselnde Einspeisen von Steuerdaten und Generieren von Ausgaben. Angegeben sind 480p und eine Wiedergabe mit 30 fps. Wir übernehmen nicht die Höchstzahl von 600 Frames aus Sim-Transfer, da für diese Variante keine entsprechende allgemeine Obergrenze verifiziert wurde.
Kontext
Ausgangsbild, Aktionen und Kameratrajektorie · Video bei 480p; Wiedergabe mit 30 fps
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · herunterladbarer Checkpoint
Eingabemodalitäten
TextBildAktionen
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
“
Die Modellkarte trennt PAI-Bench-G I2V, Sana-WM-Navigation und AgiBot-Manipulation. Für PAI-Bench-G veröffentlichen wir Videoqualität und ATE nach dem beschriebenen Ausrichtungsprotokoll. Ein Navigationswert belegt keine Manipulationsfähigkeit und darf nicht mit PSNR gemittelt werden. Die Ergebnisse stammen von NVIDIA und wurden nicht von Inferama reproduziert.
| Benchmark | Ergebnis | Metrik | Quelle |
|---|---|---|---|
| PAI-Bench-G I2V Video Quality ↑ | 73,9099 | Punktzahl | Quelle öffnen ↗ |
| PAI-Bench-G I2V ATE ↓ | 4,7072 | 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-Nano-Sim-Bimanual
In den verifizierten Katalog von Inferama aufgenommene Version.
07 / QUELLEN