इंटरैक्टिव वर्ल्ड सिमुलेशन के लिए NVIDIA Cosmos 3 के नए ओपन मॉडल
NVIDIA ने इंटरैक्टिव वर्ल्ड सिमुलेशन और ड्राइविंग डेटा जनरेशन के लिए Cosmos 3 परिवार के चार ओपन-वेट चेकपॉइंट जारी किए हैं। सभी Cosmos 3 Nano के पोस्ट-ट्रेन्ड संस्करण हैं।
लेख में क्या कहा गया है
चारों मॉडल में 16 अरब प्रशिक्षण-योग्य पैरामीटर हैं (मॉडल कार्ड में 15 अरब दर्ज है)। Cosmos3-Nano-Transfer-Auto फ़िशआई सहित अधिकतम 11 कैमरों का सिंक्रनाइज़्ड मल्टी-व्यू ड्राइविंग वीडियो बनाता है, जिसमें RGB और LiDAR का संयुक्त जनरेशन तथा मौसम, रोशनी और दिन के समय का समायोजन शामिल है। Cosmos3-Nano-Sim-Auto एक स्ट्रीमिंग संस्करण है जो इंटरैक्टिव रोलआउट के लिए कुछ ही डीनॉइज़िंग चरणों में कैमरा और LiDAR के हिस्से बनाता है। Cosmos3-Nano-Sim-Transfer सिम्युलेटर नियंत्रणों (डेप्थ, सेगमेंटेशन, एज, ब्लर) और टेक्स्ट प्रॉम्प्ट को फ़ोटोरियलिस्टिक वीडियो में बदलता है। Cosmos3-Nano-Sim-Bimanual दो-भुजा वाले YAM और AgiBot रूपों के लिए रोबोट या कैमरा क्रियाओं से वीडियो का अनुमान लगाता है।
पोस्ट-ट्रेनिंग रेसिपी, चार चरणों वाली ट्रेनिंग पाइपलाइन और एजेंट स्किल्स GitHub पर उपलब्ध हैं। मॉडल OpenMDW-1.1 लाइसेंस के तहत हैं, जो व्यावसायिक और गैर-व्यावसायिक उपयोग की अनुमति देता है। Bimanual सेटअप के लिए Linux, NVIDIA GPU, Docker और NVIDIA Container Toolkit आवश्यक हैं।
आधिकारिक लेख पढ़ें AnnuIA प्रोफ़ाइल
यह सारांश AnnuIA ने Hugging Face के आधिकारिक पृष्ठ के आधार पर अपने शब्दों में लिखा है। सामग्री और अधिकार प्रकाशक के हैं: कृपया मूल लेख पढ़ें।
Hugging Face की अन्य घोषणाएँ
- Phonon TTS पर करीबी नज़र: बेंचमार्क में शीर्ष पर रहने वाली उच्च-गुणवत्ता की ऑन-डिवाइस आवाज़
- Dharma Field Extractor: कोई भी दस्तावेज़ इनपुट, JSON में संरचित फ़ील्ड आउटपुट
- Transformers Model Integration Contracts
- StateBench: लंबे दस्तावेज़ों में भाषा मॉडल स्थिति परिवर्तनों को कैसे ट्रैक करते हैं, इसकी जाँच