我要投稿

构建物理 AI 的引擎：NVIDIA Cosmos

发布日期：2026-01-21 20:10:17 浏览次数： 1828

作者：NVIDIA英伟达企业解决方案

微信搜一搜，关注“NVIDIA英伟达企业解决方案”

在开放复杂的物理环境中稳定运行，机器人需要能够理解环境的动态演化以及自身行动可能带来的结果。在这一演进过程中，世界模型逐渐成为连接高层智能与底层执行的关键基础设施，为机器人在真实物理世界中实现可靠的感知、决策与行动闭环提供支撑。

NVIDIA Cosmos：

面向物理 AI 的世界基础模型

NVIDIA Cosmos 包含一系列先进的预训练多模态模型，为开发者构建虚拟世界、实现智能推理，提供了一套灵活、可扩展的世界建模基础设施。

在 Cosmos 平台中，Cosmos Predict 是面向世界状态预测的核心基础模型，通过视频级生成与预测，Cosmos Predict 使物理 AI 系统能够在给定当前观测和条件的情况下，对未来状态进行推演。

智元机器人 Genie Envisioner：

基于 Cosmos 实现感知到行动的端到端闭环

GE 以统一的视频生成式世界模型为核心，将策略学习、评估与仿真能力整合在同一框架之中。在 GE 的整体架构中，GE-Sim 模块承担着视频级世界仿真的关键角色。该模块需要在多视角条件下生成具备物理一致性和时间稳定性的环境演化结果，同时还必须对机器人的动作指令做出准确响应。

具身智能世界模型平台 Genie Envisioner（GE）

*图片来源于 Genie Envisioner 项目网站

NVIDIA Cosmos Predict 2，

加速 GE-Sim 迭代升级

智元机器人通过将 Cosmos Predict 2 深度集成至自研的动作条件世界模型架构中，为 GE-Sim 提供强大的通用视觉与物理先验能力。同时，结合 AgiBot World 数据集开展针对性的后训练，显著加快了 GE-Sim 的迭代节奏，并持续提升仿真质量与系统稳定性。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-04-22

MNN-Sana-Edit-V2：端侧运行的图像漫画风编辑大模型

2026-04-22

刚刚！Codex 居然能直接画图了，OpenAI 凌晨甩出 Image 2.0

2026-04-21

PaddleOCR 3.5 发布：Web 端直用、文档一键转 Markdown，生态交互新体验

2026-04-21

用Claude Code剪视频，自动去口癖、加字幕、调色，完全免费开源

2026-04-15

刚刚，李飞飞最新成果发布，手机也能跑亿级粒子的 3D 世界了｜附体验地址

2026-04-09

豆包「打电话」升级 Seeduplex：周围再吵，只认准你的声音

2026-04-03

美团发布原生多模态 LongCat-Next：当视觉和语音成为AI的母语

2026-04-02

全解读｜智谱 GLM-5V-Turbo 发布，多模态 Coding 基模

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

震惊！即梦推出 CLI，Agent 一行命令生成 Seedance 2.0 视频，AI 视频井喷

2026-04-01

零帧起手 Codex × Figma 双向工作流实操

2026-03-05

Seedance 2.0 正式发布

2026-02-12

NanoBanana 2.0 来了，对比前一代和即梦 5.0 lite，它依旧强的离谱

2026-02-27

Seedance 2.0上线火山方舟体验中心，API即将开放

2026-02-12

Google 发布首个全模态 Embedding 2 模型，文本图片音视频 PDF 统一到一个向量空间

2026-03-11

DeepSeek-OCR 2 来了，让 AI 也能像人一样，带着逻辑去看图

2026-01-27

GLM-OCR技术细节全公开

2026-03-18

月之暗面Kimi正式发布官方编程工具：Kimi Code

2026-02-02

全解读｜智谱 GLM-5V-Turbo 发布，多模态 Coding 基模

2026-04-02

大家都在问

Gemini Embedding 2把多模态信息整合同一向量空间了，还需要多向量列吗？

2026-03-12

一篇文章讲清楚：到底什么是NotebookLM？除了PPT，它还能做啥？

2025-12-31

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean Openclaw

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部