NVIDIA ประกาศเปิดตัว Cosmos 3 ซึ่งเป็นโมเดลพื้นฐาน (World Foundation Model) รุ่นใหม่ที่ออกแบบมาเพื่อรองรับ Physical AI โดยเฉพาะ โดยโมเดลนี้มีความสามารถในการรวมการให้เหตุผลเชิงวิสัยทัศน์ (Vision Reasoning) การสร้างข้อมูลแบบมัลติโมดัล และการทำนายการกระทำ (Action Prediction) เข้าไว้ด้วยกัน เพื่อช่วยให้หุ่นยนต์ รถยนต์ไร้คนขับ และเอเจนท์ AI สามารถประเมินสถานการณ์ก่อนที่จะลงมือปฏิบัติงานจริงในโลกภายนอก
หัวใจสำคัญของ Cosmos 3 คือสถาปัตยกรรม Mixture-of-Transformers ที่ช่วยให้ระบบสามารถตีความสิ่งที่เกิดขึ้นในฉาก จากนั้นจึงสร้างผลลัพธ์ที่สอดคล้องกับหลักฟิสิกส์ ไม่ว่าจะเป็นวิดีโอสังเคราะห์หรือข้อมูลการเคลื่อนไหวของหุ่นยนต์ นอกจากนี้ Cosmos 3 ยังเป็นโมเดลแบบ Open Model ที่เปิดให้นักพัฒนาสามารถนำไปปรับแต่ง (Fine-tune) ให้เข้ากับความต้องการเฉพาะทาง เช่น การจัดวางกล้องหรือลักษณะของงานในโรงงานอุตสาหกรรม โดยปัจจุบันบริษัทชั้นนำอย่าง Agile Robots และ Linker Vision ได้เริ่มนำเทคโนโลยีนี้ไปใช้งานเพื่อยกระดับความสามารถในการผลิตและวิเคราะห์สถานการณ์ในพื้นที่เมืองอัจฉริยะแล้ว
