Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
N
NVIDIA / nvidia/Cosmos3-H-Embodied-Nano
Cosmos3-H-Embodied-Nano
Checkpoint di ricerca pubblicato il 20 ottobre 2026 per la robotica chirurgica. Un unico modello offre tre modalità: dinamica diretta dalle azioni al video, dinamica inversa dal video alle azioni e policy condizionata da immagine, testo e cronologia. Deriva da Cosmos3-Nano, con torre di ragionamento Qwen3-VL e fine-tuning della torre generativa. Non si tratta di tre modelli indipendenti né di un dispositivo medico autorizzato.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | nvidia/Cosmos3-H-Embodied-Nano |
|---|---|
| Tipo di modello | Robotica · Video · Multimodale |
| Modalità di accesso | Pesi aperti |
| Licenza | NVIDIA Open Model License Agreement |
| Distribuzione | Hosting autonomo |
| Rilascio | 20 OCT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Testo · Immagine · Video · Azioni |
| Uscita | Video · Azioni |
| Finestra di contesto | Clip di 2,4 secondi; fino a 16 azioni precedenti |
| rendimento massimo | 25 fotogrammi e 24 passaggi di azione a 10 Hz, a seconda della modalità |
| Ragionamento | Non pubblicato |
| Strumenti pubblicati | |
| Uscite strutturate | Non pubblicato |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · PyTorch |
Ricerca nella simulazione, imitazione e valutazione di policy con dati di Open-H. Il protocollo utilizza clip di 2,4 secondi, un fotogramma di contesto e 24 futuri, con 24 passaggi di azione a 10 Hz. Le azioni bimanuali sono normalizzate per set di dati e riempite con una maschera: non devono essere interpretate come comandi universali tra robot.
La licenza è NVIDIA Open Model License Agreement, non OpenMDW 1.1. L’output è adattato a una risoluzione di classe 256p, con dimensioni in base alle proporzioni. Il server HTTP è un’implementazione per la distribuzione autonoma, non un’API commerciale convalidata. La deriva aumenta nelle sequenze lunghe; non utilizzare il checkpoint per operazioni cliniche senza controlli, convalida e autorizzazione indipendenti.
03 / CAPACITÀ
Cosa può fare
Orientamento
Ricerca nella simulazione, imitazione e valutazione di policy con dati di Open-H. Il protocollo utilizza clip di 2,4 secondi, un fotogramma di contesto e 24 futuri, con 24 passaggi di azione a 10 Hz. Le azioni bimanuali sono normalizzate per set di dati e riempite con una maschera: non devono essere interpretate come comandi universali tra robot.
Contesto
Clip di 2,4 secondi; fino a 16 azioni precedenti · 25 fotogrammi e 24 passaggi di azione a 10 Hz, a seconda della modalità
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Modalità di input
TestoImmagineVideoAzioni
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Checkpoint pubblico da 16B parametri per infrastruttura propria. Non abbiamo verificato un endpoint commerciale né tariffe per token: i costi numerici sono lasciati vuoti. I pesi scaricabili non rendono gratuita l’inferenza. Prevedi a budget GPU, memoria, codifica video e gestione operativa; verifica la licenza di ogni variante e le sue dipendenze. I fotogrammi al secondo di riproduzione non equivalgono alle prestazioni di generazione.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
Il fornitore valuta 640 clip di dieci famiglie pubbliche con episodi riservati. Dinamica diretta: PSNR 26,1; inversa: MSE delle azioni normalizzate 0,009. La policy registra MSE medio 0,052 e migliore dei quattro 0,033: si tratta di selezioni distinte. Queste metriche non misurano la sicurezza clinica né garantiscono il tracciamento degli strumenti. Inferama non le ha riprodotte.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| Cosmos3-H held-out 640 forward PSNR ↑ | 26,1 dB | Punteggio | Vedi fonte ↗ |
| Cosmos3-H held-out 640 inverse action MSE ↓ | 0,009 | Punteggio | Vedi fonte ↗ |
| Cosmos3-H held-out 640 policy mean action MSE ↓ | 0,052 | Punteggio | Vedi fonte ↗ |
| Cosmos3-H held-out 640 policy best-of-4 action MSE ↓ | 0,033 | Punteggio | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
Cosmos3-H-Embodied-Nano
Versione inclusa nel catalogo verificato di Inferama.
07 / FONTI