THE RESEARCH ATLAS

Cosmos:面向物理 AI 的世界基础模型平台

围绕视频处理、Tokenizer、预训练世界模型与后训练,构建可面向机器人和驾驶任务定制的世界模型平台。

Cosmos World Foundation Model Platform for Physical AI

Niket Agarwal et al.
2025-01-07 · NVIDIA · 技术报告
来源核查: 2026-10-25机构所在地 · NVIDIA 🇺🇸 美国
机构与地域来源

地域依据是署名机构或发布机构所在地,不代表作者国籍或完整合作名单。

arxiv.org ↗

www.nvidia.com ↗

为什么值得读

从视频生成走向未来状态预测与数据构造,同时追问视觉真实感是否对应物理正确性。

连接了什么

把生成式模型连接到物理 AI 的训练与评估环境;世界模型描述未来,控制策略决定行动,两者不是同一个模块。

技术报告与开源实现

本条收录 2025 年平台报告,不称为最新 Cosmos 版本;生成视频不自动构成经过验证的物理仿真器。

沿着这些连接继续阅读 ↗
关系与版本的来源
阅读原始来源 ↗原始 PDF ↗代码 / GitHub ↗

引用

@misc{nvidia2025cosmos,
  title = {Cosmos World Foundation Model Platform for Physical AI},
  author = {NVIDIA and : and Niket Agarwal and Arslan Ali and Maciej Bala and Yogesh Balaji and Erik Barker and Tiffany Cai and Prithvijit Chattopadhyay and Yongxin Chen and Yin Cui and Yifan Ding and Daniel Dworakowski and Jiaojiao Fan and Michele Fenzi and Francesco Ferroni and Sanja Fidler and Dieter Fox and Songwei Ge and Yunhao Ge and Jinwei Gu and Siddharth Gururani and Ethan He and Jiahui Huang and Jacob Huffman and Pooya Jannaty and Jingyi Jin and Seung Wook Kim and Gergely Klár and Grace Lam and Shiyi Lan and Laura Leal-Taixe and Anqi Li and Zhaoshuo Li and Chen-Hsuan Lin and Tsung-Yi Lin and Huan Ling and Ming-Yu Liu and Xian Liu and Alice Luo and Qianli Ma and Hanzi Mao and Kaichun Mo and Arsalan Mousavian and Seungjun Nah and Sriharsha Niverty and David Page and Despoina Paschalidou and Zeeshan Patel and Lindsey Pavao and Morteza Ramezanali and Fitsum Reda and Xiaowei Ren and Vasanth Rao Naik Sabavat and Ed Schmerling and Stella Shi and Bartosz Stefaniak and Shitao Tang and Lyne Tchapmi and Przemek Tredak and Wei-Cheng Tseng and Jibin Varghese and Hao Wang and Haoxiang Wang and Heng Wang and Ting-Chun Wang and Fangyin Wei and Xinyue Wei and Jay Zhangjie Wu and Jiashu Xu and Wei Yang and Lin Yen-Chen and Xiaohui Zeng and Yu Zeng and Jing Zhang and Qinsheng Zhang and Yuxuan Zhang and Qingqing Zhao and Artur Zolkowski},
  year = {2025},
  eprint = {2501.03575},
  archivePrefix = {arXiv},
  primaryClass = {cs.CV},
  url = {https://arxiv.org/abs/2501.03575}
}

论文与代码版权归原作者;引用及许可请以原始来源为准。

相关研究

2012 · Academic · 研究论文署名机构 · University of Toronto 🇨🇦 加拿大

基于深度卷积神经网络的 ImageNet 分类

ImageNet Classification with Deep Convolutional Neural Networks

深度卷积网络将数据、GPU 计算与表示学习结合,为现代视觉研究提供了重要起点。

2020-06 · Academic · 研究论文署名机构 · UC Berkeley 🇺🇸 美国

去噪扩散概率模型

Denoising Diffusion Probabilistic Models

模型学习逐步反转加噪过程,为图像生成建立了重要的扩散建模路线。

2021-02 · OpenAI · 研究论文署名机构 · OpenAI 🇺🇸 美国

从自然语言监督中学习可迁移的视觉模型

Learning Transferable Visual Models From Natural Language Supervision

通过对比学习对齐图像与自然语言描述,使视觉表示能够迁移到新类别。