Utilisation principale déclarée ou déduite avec prudence de la documentation officielle.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Bimanual
Cosmos3-Nano-Sim-Bimanual
Modèle causal de NVIDIA pour simuler visuellement la manipulation bimanuelle et la navigation de caméra, publié le 20 octobre 2026. Il reçoit une image initiale, des actions du robot, une trajectoire de caméra et du texte facultatif. Sa sortie est une vidéo, pas des actions : il ne doit pas être confondu avec une politique de contrôle. Le checkpoint déclare un corps AgiBot ; les autres morphologies nécessitent une validation spécifique.
01 / RÉSUMÉ
L'essentiel
Capacité d'entrée maximale une fois publiée par la source.
Limite de génération maximale documentée.
Canaux de disponibilité vérifiés.
Famille fonctionnelle principale et spécialités vérifiées.
Conditions déclarées pour l’API, les poids ou l’auto-hébergement.
02 / FICHE TECHNIQUE
Limites et intégration
| ID d’API | nvidia/Cosmos3-Nano-Sim-Bimanual |
|---|---|
| Type de modèle | Robotique · Vidéo · Multimodal |
| Mode d’accès | Poids ouverts |
| Licence | OpenMDW 1.1 |
| Déploiement | Auto-hébergement |
| Lancement | 20 OCT 2026 |
| Date limite des connaissances | Non publié |
| Entrée | Texte · Image · Actions |
| Sortie | Vidéo |
| Fenêtre contextuelle | Image initiale, actions et trajectoire de caméra |
| puissance maximale | Vidéo en 480p ; lecture à 30 fps |
| Raisonnement | Non publié |
| Outils publiés | |
| Sorties structurées | Non publié |
| Traitement par lots | Non publié |
| Cache de prompts | Non publié |
| Ajustement fin | Non publié |
| Plateformes vérifiées | Hugging Face · PyTorch |
Exploration des conséquences visuelles des actions et évaluation de la navigation en boucle fermée. L’historique et les fragments causaux permettent d’alterner commandes et génération. La résolution déclarée est de 480p avec une lecture à 30 fps. Nous ne reprenons pas le maximum de 600 images de Sim-Transfer : nous n’avons pas vérifié de maximum universel équivalent pour cette variante.
La capacité à représenter des mouvements ne garantit pas le respect des collisions, des forces ou des limites du robot. Conservez l’étalonnage de la caméra et la définition de chaque dimension d’action. Vérifiez les changements d’objet, la dérive et les erreurs cumulatives. N’exécutez pas d’actions sur du matériel réel uniquement parce que la vidéo semble plausible ; la supervision et les limites de sécurité sont indépendantes.
03 / CAPACITÉS
Ce qu’il peut faire
Orientation
Exploration des conséquences visuelles des actions et évaluation de la navigation en boucle fermée. L’historique et les fragments causaux permettent d’alterner commandes et génération. La résolution déclarée est de 480p avec une lecture à 30 fps. Nous ne reprenons pas le maximum de 600 images de Sim-Transfer : nous n’avons pas vérifié de maximum universel équivalent pour cette variante.
Contexte
Image initiale, actions et trajectoire de caméra · Vidéo en 480p ; lecture à 30 fps
Outils et intégration
Non publié
Accès
Hugging Face · checkpoint téléchargeable
Modalités d’entrée
TexteImageActions
04 / TARIFS
Coût documenté
| Concept | Valeur | Unité/état |
|---|---|---|
| Entrée standard | Aucun tarif API officiel publié | Tarif API standard |
| Entrée en cache | Non publié | Lecture de préfixes réutilisés |
| Écriture ou stockage de cache | Non publié | La condition varie selon le fournisseur |
| Sortie standard | Coût de l’infrastructure propre | Peut inclure des tokens de raisonnement |
| Entrée par lots | Non publié | Traitement asynchrone |
| Sortie par lots | Non publié | Traitement asynchrone |
Checkpoint public de 16B paramètres pour une infrastructure propre. Nous n’avons pas vérifié d’endpoint commercial ni de tarifs par jeton : les coûts numériques restent vides. Le téléchargement des poids ne rend pas l’inférence gratuite. Prévoyez le budget GPU, mémoire, encodage vidéo et exploitation ; vérifiez la licence de chaque variante et ses dépendances. Les images par seconde de lecture ne correspondent pas aux performances de génération.
i Les prix changent et peuvent dépendre du niveau, de la région ou de la durée du contexte. Vérifiez la source avant de prendre une décision.
05 / ÉVALUATIONS
Comment lire les résultats
“
La fiche distingue PAI-Bench-G I2V, la navigation Sana-WM et la manipulation AgiBot. Pour PAI-Bench-G, nous publions la qualité vidéo et l’ATE après le protocole d’alignement décrit. Un score de navigation ne valide pas la manipulation et ne doit pas être moyenné avec le PSNR. Les résultats proviennent de NVIDIA et n’ont pas été reproduits par Inferama.
| Benchmark | Résultat | Métrique | Source |
|---|---|---|---|
| PAI-Bench-G I2V Video Quality ↑ | 73,9099 | Score | Voir la source ↗ |
| PAI-Bench-G I2V ATE ↓ | 4,7072 | Score | Voir la source ↗ |
Inferama ne met en évidence un « meilleur résultat » que lorsque la métrique, l'ensemble de test, la configuration et la date permettent une comparaison équivalente. Les chiffres du fournisseur sont présentés comme des affirmations provenant de sa propre source.
06 / VERSIONS
Chronologie
Cosmos3-Nano-Sim-Bimanual
Version intégrée au catalogue vérifié d’Inferama.
07 / SOURCES