NVIDIA erweitert Cosmos-Plattform um neue Trainings- und Bereitstellungswerkzeuge für Weltmodelle
NVIDIA hat seiner Cosmos-Plattform für die Entwicklung und Bereitstellung physischer KI-Weltmodelle neue Daten-, Trainings- und Optimierungswerkzeuge hinzugefügt.
Kurze Antwort
Welche neuen Werkzeuge hat NVIDIA seiner Cosmos-Plattform für Weltmodelle hinzugefügt?
NVIDIA hat seine Cosmos-Plattform um neue Trainingswerkzeuge, Simulations-Checkpoints und Cosmos-Data-Factory-Blueprints erweitert, mit denen Weltmodelle für physische KI-Systeme entwickelt, trainiert, evaluiert und bereitgestellt werden können. Hinzu kommen aktualisierte Cosmos-3-NIM-Microservices für schnellere Inferenz.
Das Wichtigste
- NVIDIA hat die Cosmos-Plattform um neue Trainingswerkzeuge, Simulations-Checkpoints und Cosmos-Data-Factory-Blueprints für den Aufbau von Weltmodellen erweitert.
- Cosmos Data Factory bietet nun fünf cloud-native Blueprints für die Generierung von Daten autonomer Fahrzeuge, die Erweiterung von Bildattributen, die Erzeugung von Ereignisvideos, die Generierung von Fehlerbildern und die Erweiterung von Videodaten, verfügbar über GitHub, Microsoft Azure, Nebius und CoreWeave.
- Laut NVIDIA können Entwickler über das Cosmos Framework nun offene Modelle wie GR00T, Alpamayo, QWEN und Pi0.5 mittels Fine-Tuning, Reinforcement Learning, Distillation und Quantisierung anpassen.
- NVIDIA zufolge liefern die aktualisierten Cosmos-3-NIM-Microservices in validierten Konfigurationen bis zu doppelt so schnelle Inferenz ohne Qualitätsverlust, und der zugehörige Metropolis-VSS-Blueprint 3.3 hilft Teams, mit derselben GPU 40 Prozent mehr Videostreams zu überwachen.
- NVIDIA nennt Porsche, ANYbotics, Ultralytics, MicroAGI, Roboflow und ADNOC als Unternehmen, die Cosmos-Data-Factory- oder Cosmos-Framework-Werkzeuge in ihren eigenen Arbeitsabläufen einsetzen.
NVIDIA erweitert Cosmos um neue Werkzeuge für Daten, Training und Bereitstellung
NVIDIA hat seiner Cosmos-Plattform nach eigenen Angaben neue Trainingswerkzeuge, Simulations-Checkpoints und Cosmos-Data-Factory-Blueprints hinzugefügt, um Entwicklern den Aufbau, die Bewertung und die Bereitstellung von Weltmodellen für physische KI-Systeme zu erleichtern. Nach Angaben des Unternehmens rangiert die Cosmos-Plattform in sechs verschiedenen Leaderboards für offene Modelle jeweils unter den Top fünf.
Cosmos-Data-Factory-Blueprints
Laut NVIDIA bündelt Cosmos Data Factory Werkzeuge zum Labeln, Kuratieren, Erweitern und Bewerten von Daten in großem Maßstab für das Training physischer KI. Das Werkzeug Cosmos Curator unterstütze inzwischen multimodale, multisensorische Eingaben und Verarbeitungsblöcke.
Das Unternehmen gibt an, dass Cosmos Data Factory nun fünf cloud-native Blueprints bietet, verfügbar über GitHub, Microsoft Azure, Nebius und CoreWeave:
- Autonomous Vehicle Dataset Generation, das Fahrdaten kuratiert und labelt und synthetische Beispiele schwer erfassbarer Szenarien ergänzt
- Image Attribute Augmentation, das die Erscheinung von Objekten variiert, um die Bildsuche zu verbessern
- Event Video Generation, das Standbilder in synthetische Videos seltener oder gefährlicher Ereignisse verwandelt
- Defect Image Generation, das Fehlerbilder von Leiterplatten, Metall und Glas für Inspektionsmodelle erzeugt
- Video Data Augmentation, das Wetter und Beleuchtung in vorhandenem Filmmaterial verändert und dabei die Szenenstruktur beibehält
NVIDIA zufolge nutzt Porsche Cosmos Data Factory über Voxel51 auf Microsoft Azure, um ein gemeinsames Datenschwungrad für autonome Fahrzeuge über die Marken des Volkswagen-Konzerns hinweg aufzubauen. Das Unternehmen geht davon aus, dass sich dadurch wiederholte physische Testfahrten um bis zu 90 Prozent reduzieren und Entwicklungszyklen um bis zu 85 Prozent verkürzen lassen. Zudem habe ANYbotics mithilfe der Blueprints mehr als 1.500 synthetische Videoclips erzeugt, validiert mit der Plattform von Encord, um Inspektionsroboter auf das Erkennen von Flüssigkeitslecks zu trainieren. Ultralytics habe sein YOLO-Modell mit synthetischen, über Cosmos Data Factory erzeugten Fehlerbildern nachtrainiert, um Fehlerlokalisierung und Trefferquote zu verbessern.
Modelle trainieren, anpassen und optimieren
NVIDIA erklärt, auf der GTC Berlin die Trainings-, Optimierungs- und Bereitstellungswerkzeuge des Cosmos Framework auf weitere offene Modelle ausgeweitet zu haben, zusammen mit einem neuen Modell namens Cosmos 3. Laut Unternehmen können Entwickler nun offene Modelle wie GR00T, Alpamayo, QWEN und Pi0.5 sowie weitere kompatible Hugging-Face-Modelle per Fine-Tuning und Reinforcement Learning anpassen und anschließend durch Distillation und Quantisierung vor der Bereitstellung optimieren.
Das Robotik-Forschungslabor MicroAGI habe Cosmos 3 laut NVIDIA mit Videos von Menschen beim Hantieren mit Objekten nachtrainiert und seinen 32-Milliarden-Parameter-Reasoner ohne Genauigkeitsverlust in ein 8-Milliarden-Parameter-Nano-Modell destilliert. Zudem könnten Entwickler Daten labeln und Cosmos 3 auf Roboflow nachtrainieren und die resultierenden Modelle dann auf von Roboflow gehosteten oder lokalen NVIDIA-GPUs bereitstellen.
Richtlinien testen und Modelle schneller ausführen
Laut NVIDIA ermöglichen neue Cosmos-3-Nano-Modellvarianten für Simulationen es Entwicklern, autonome Richtlinien in wiederholbaren Multi-View- und Multisensor-Szenarien zu testen, bevor es an die reale Erprobung geht. Die aktualisierten Cosmos-3-NIM-Microservices lieferten in validierten Konfigurationen bis zu doppelt so schnelle Inferenz ohne Qualitätsverlust, und eine darauf aufbauende kontinuierliche Videoanalyse ermögliche Alarmierungen im Sekundenbereich.
NVIDIA gibt an, dass die Version 3.3 seines Metropolis Blueprint für Videosuche und -zusammenfassung auf Cosmos-NIM-Microservices basiert und Teams hilft, mit derselben GPU 40 Prozent mehr Videostreams zu überwachen. ADNOC nutze die MistIQ-Plattform von Fogsphere, die auf Cosmos und dem Metropolis-VSS-Blueprint aufbaut, um an 65 Standorten in Echtzeit Sicherheitsrisiken zu erkennen, und setze Cosmos Data Factory ein, um synthetische Trainingsdaten für seltene Ereignisse zu generieren.
Quelle: NVIDIA, „NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models“, veröffentlicht am 21. Oktober 2026.
Häufige Fragen
- Was ist NVIDIA Cosmos Data Factory?
- Laut NVIDIA handelt es sich um eine Reihe von Werkzeugen und cloud-nativen Blueprints zum Labeln, Kuratieren, Erweitern und Bewerten multimodaler Trainingsdaten in großem Maßstab für physische KI, verfügbar über GitHub, Microsoft Azure, Nebius und CoreWeave.
- Welche offenen Modelle lassen sich über das Cosmos Framework von NVIDIA anpassen?
- NVIDIA zufolge können Entwickler GR00T, Alpamayo, QWEN, Pi0.5 und weitere kompatible Hugging-Face-Modelle per Fine-Tuning, Reinforcement Learning, Distillation und Quantisierung anpassen.
- Welche Leistungsverbesserung reklamiert NVIDIA für die aktualisierten Cosmos-3-NIM-Microservices?
- NVIDIA gibt an, dass die aktualisierten Microservices in validierten Konfigurationen bis zu doppelt so schnelle Inferenz ohne Qualitätsverlust liefern.
- Wie nutzen Unternehmen laut NVIDIA diese neuen Cosmos-Werkzeuge?
- NVIDIA nennt als Beispiele Porsche, das Cosmos Data Factory über Voxel51 für Daten autonomer Fahrzeuge nutzt, ANYbotics, das synthetische Clips zum Training von Inspektionsrobotern erzeugt, und ADNOC, das eine auf Cosmos basierende Plattform einsetzt, um an 65 Standorten Sicherheitsrisiken zu erkennen.