Cosmos 3 Edge：NVIDIAがワールドモデルをオンデバイス化、日本での産業連合も刷新

NVIDIAは、Cosmosファミリーで最も軽量な「Cosmos 3 Edge」を発表した。パラメータ数は40億で、同社のNemotronモデルファミリーを基盤とする。MarkTechPostが伝えるモデルカードによれば、自己回帰型と拡散型の二つのタワーを持つMixture-of-Transformers構造を採用し、20億パラメータの高密度リーズナーを組み合わせて、カメラからロボットアーム、ヒューマノイドまで異なる身体をまたいで視覚・テキスト・音声・行動のトークンを処理する。この構成はRTX GPU、DGXシステム、そして新モジュールJetson T2000／T3000を含むJetsonプラットフォームでの推論を想定している。NVIDIAが示す数値では、Jetson Thor上で15 Hzのリアルタイム制御が可能で、9〜29次元の行動空間を扱えるという。

同社は同時に日本の製造業での足場も固めた。Cosmos連合にはファナック、本田技術研究所、ソニーグループ、安川電機など22社が名を連ねる。ただし各社は参加の意向を示した段階で、確定した契約上の約束や金額は明らかにされていない。ソフトウェア面では新しいMetropolisライブラリが加わり、simulation-to-realのワークフロー向けにオープンなロボティクス基盤Isaacへのcosmos統合が行われた。NVIDIAによれば、これらのツールとコーディングエージェントを併用すると、ビデオインテリジェンスのシステムを約6倍の速さで構築できるという。

性能面では、NVIDIAは640x360の制御解像度を挙げ、4Bモデル部門のベンチマークVANTAGE-Benchで首位だったとしているが、これは独立した検証を要する主張だ。モデルの重みはLinux FoundationのOpenMDW-1.1ライセンスでHugging Faceに公開されたとされるものの、同プラットフォームは認証を求めるためモデルカードを直接確認することはできない。Cosmos 3 EdgeはフィジカルAIの分散化に向けた一歩ではあるが、ベンチマークの数値や新しいJetsonシリーズの実装面には未確定の部分が残る。

— Olya