Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
N
NVIDIA / nvidia/Cosmos3-Nano-Sim-Bimanual
Cosmos3-Nano-Sim-Bimanual
Modello causale di NVIDIA per simulare visivamente la manipolazione bimanuale e la navigazione della telecamera, pubblicato il 20 ottobre 2026. Riceve un’immagine iniziale, azioni del robot, traiettoria della telecamera e testo facoltativo. Il suo output è video, non azioni: non va confuso con una policy di controllo. Il checkpoint dichiara un corpo AgiBot; altre morfologie richiedono una convalida specifica.
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-Nano-Sim-Bimanual |
|---|---|
| Tipo di modello | Robotica · Video · Multimodale |
| Modalità di accesso | Pesi aperti |
| Licenza | OpenMDW 1.1 |
| Distribuzione | Hosting autonomo |
| Rilascio | 20 OCT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Testo · Immagine · Azioni |
| Uscita | Video |
| Finestra di contesto | Immagine iniziale, azioni e traiettoria della telecamera |
| rendimento massimo | Video a 480p; riproduzione a 30 fps |
| 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 |
Esplorazione delle conseguenze visive delle azioni e valutazione della navigazione in loop chiuso. La cronologia e i frammenti causali consentono di alternare controlli e generazione. La risoluzione dichiarata è 480p con riproduzione a 30 fps. Non ereditiamo il massimo di 600 fotogrammi di Sim-Transfer: non abbiamo verificato un massimo universale equivalente per questa variante.
La capacità di rappresentare i movimenti non garantisce che rispetti collisioni, forze o limiti del robot. Conserva la calibrazione della telecamera e la definizione di ogni dimensione delle azioni. Verifica cambiamenti degli oggetti, deriva ed errori cumulativi. Non eseguire azioni su hardware reale soltanto perché il video sembra plausibile; la supervisione e i limiti di sicurezza sono indipendenti.
03 / CAPACITÀ
Cosa può fare
Orientamento
Esplorazione delle conseguenze visive delle azioni e valutazione della navigazione in loop chiuso. La cronologia e i frammenti causali consentono di alternare controlli e generazione. La risoluzione dichiarata è 480p con riproduzione a 30 fps. Non ereditiamo il massimo di 600 fotogrammi di Sim-Transfer: non abbiamo verificato un massimo universale equivalente per questa variante.
Contesto
Immagine iniziale, azioni e traiettoria della telecamera · Video a 480p; riproduzione a 30 fps
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Modalità di input
TestoImmagineAzioni
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
“
La scheda separa PAI-Bench-G I2V, navigazione Sana-WM e manipolazione AgiBot. Per PAI-Bench-G pubblichiamo la qualità video e ATE dopo il protocollo di allineamento descritto. Un punteggio di navigazione non certifica la manipolazione e non deve essere mediato con PSNR. I risultati provengono da NVIDIA e Inferama non li ha riprodotti.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| PAI-Bench-G I2V Video Quality ↑ | 73,9099 | Punteggio | Vedi fonte ↗ |
| PAI-Bench-G I2V ATE ↓ | 4,7072 | 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-Nano-Sim-Bimanual
Versione inclusa nel catalogo verificato di Inferama.
07 / FONTI