Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
N
NVIDIA / nvidia/Cosmos3-Nano-Transfer-Auto
Cosmos3-Nano-Transfer-Auto
Modello bidirezionale di NVIDIA per generare scene di guida con video multivista e LiDAR sincronizzati. Pubblicato il 20 ottobre 2026, combina testo, controlli di mondo WSM e un’immagine iniziale facoltativa. Supporta fino a undici telecamere standard o fisheye e fino a 300 fotogrammi per vista. È generazione batch, non il modello causale di simulazione Sim-Auto.
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-Transfer-Auto |
|---|---|
| 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 · Video · LiDAR |
| Uscita | Video · LiDAR |
| Finestra di contesto | Testo, controlli WSM e riferimento visivo facoltativo |
| rendimento massimo | Fino a 11 telecamere; 300 fotogrammi per vista; 480p o 720p |
| Ragionamento | Non pubblicato |
| Strumenti pubblicati | |
| Uscite strutturate | Video multivista e LiDAR; per generare il LiDAR sono necessari controlli LiDAR allineati. |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · PyTorch |
Dati sintetici di guida con variazioni di meteo, illuminazione e ambiente. I controlli WSM includono corsie, segnali, semafori e cuboidi. L’output supporta 480p o 720p e riproduzione tra 10 e 30 fps. Mantieni la coerenza tra telecamere, LiDAR, calibrazione ed etichette; un’immagine realistica non garantisce l’utilità per rilevare ostacoli sulla strada.
Il confronto con Cosmos-Transfer2.5 utilizza prompt diversi e non dimostra una superiorità in condizioni identiche. Anche i risultati T2V e I2V devono rimanere separati. Non trasferiamo le prestazioni della versione causale a questa variante bidirezionale. Verifica gli scenari rari, la geometria, la sincronizzazione e la diversità prima di integrare dati sintetici nei sistemi di guida.
03 / CAPACITÀ
Cosa può fare
Orientamento
Dati sintetici di guida con variazioni di meteo, illuminazione e ambiente. I controlli WSM includono corsie, segnali, semafori e cuboidi. L’output supporta 480p o 720p e riproduzione tra 10 e 30 fps. Mantieni la coerenza tra telecamere, LiDAR, calibrazione ed etichette; un’immagine realistica non garantisce l’utilità per rilevare ostacoli sulla strada.
Contesto
Testo, controlli WSM e riferimento visivo facoltativo · Fino a 11 telecamere; 300 fotogrammi per vista; 480p o 720p
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Modalità di input
TestoImmagineVideoLiDAR
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 set Driving Simulation Evaluation misura la qualità RGB multivista e la generazione LiDAR. Registriamo FID e FVD-I3D per T2V e I2V con guidance 3, mantenendo la modalità nel nome di ciascun risultato. Entrambi migliorano quando diminuiscono. Sono risultati del fornitore a 720p, non tassi di incidenti né una convalida della sicurezza stradale. Inferama non ha riprodotto l’esperimento.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| Cosmos3 Driving T2V CFG3 FID ↓ | 45,5 | Punteggio | Vedi fonte ↗ |
| Cosmos3 Driving T2V CFG3 FVD-I3D ↓ | 488 | Punteggio | Vedi fonte ↗ |
| Cosmos3 Driving I2V CFG3 FID ↓ | 27,8 | Punteggio | Vedi fonte ↗ |
| Cosmos3 Driving I2V CFG3 FVD-I3D ↓ | 238 | 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-Transfer-Auto
Versione inclusa nel catalogo verificato di Inferama.
07 / FONTI