何が起きたか

NVIDIAは、ロボット操作のための世界行動モデル（WAM）の基盤として「Cosmos 3」を公開したと発表した。同社のブログで、Cosmos 3はマルチモーダル入力を処理し、画像・動画・音声・アクションを生成するオムニモデルであり、4B、16B、64Bの3サイズで提供される。

なぜ重要か

NVIDIAによると、Cosmos 3は言語指示と複数カメラの観測からロボットの動作列を作る基盤で、実行した場合に見える映像も同じモデルで示せます。4B版は機体に載せた運用、16B版は別の計算機での運用を想定しており、配備場所に応じて使い分けられる点が重要です。