AI & MACHINE LEARNING

NVIDIA เปิดตัว Cosmos 3: ชุดโมเดล Open World Foundation สำหรับหุ่นยนต์และ AI เชิงกายภาพ

NVIDIA Blog06 Aug 2026
1 min read
Key Takeaways
  • NVIDIA Cosmos 3 เป็นโมเดลแบบเปิดที่ช่วยให้นักพัฒนาสร้างหุ่นยนต์ที่เข้าใจโลกและคาดการณ์ผลลัพธ์จากการกระทำได้แม่นยำขึ้น

ทำไมเรื่องนี้ถึงสำคัญ

เป็นการสร้างมาตรฐานใหม่ให้กับ Physical AI โดยใช้แนวทาง Open Ecosystem ซึ่งจะช่วยเร่งการพัฒนาหุ่นยนต์อัจฉริยะและระบบอัตโนมัติทั่วโลกผ่านโมเดลที่เข้าใจกฎเกณฑ์ทางกายภาพจริงๆ

NVIDIA รุกคืบเข้าสู่ Physical AI ด้วยการเปิดตัว Cosmos 3 ชุดโมเดลพื้นฐานแบบ Open Weights ที่ออกแบบมาเพื่อแก้ปัญหาการเก็บข้อมูลในโลกจริงที่ทำได้ยากและราคาแพง โมเดลตระกูล Cosmos 3 ถูกสร้างขึ้นบนสถาปัตยกรรม Mixture-of-Transformers ซึ่งรวมความสามารถในการมองเห็น (Vision Reasoning) การจำลองโลก (World Generation) และการทำนายการกระทำ (Action Prediction) ไว้ในชุดเดียว

Cosmos 3 ประกอบด้วยโมเดล 3 ขนาด ได้แก่ Cosmos 3 Super (64B) สำหรับการจำลองโลกความละเอียดสูง, Cosmos 3 Nano (16B) สำหรับการใช้เหตุผลเชิงตรรกะ และ Cosmos 3 Edge (4B) ที่ออกแบบมาเพื่อทำงานบนอุปกรณ์ปลายทางอย่าง NVIDIA Jetson โดยโมเดลเหล่านี้ถูกปล่อยภายใต้ลิขสิทธิ์ OpenMDW 1.1 ซึ่งอนุญาตให้นักพัฒนาสามารถนำไปปรับแต่ง (Post-training) บนฮาร์ดแวร์และข้อมูลของตนเองได้ เพื่อสร้างระบบ AI ที่เชี่ยวชาญเฉพาะทางในโรงงานอุตสาหกรรมหรือระบบขนส่ง

สรุปประเด็นหลัก

เป็นโมเดล Open Weights ที่รวมความสามารถ Vision, Generation และ Action ไว้ด้วยกัน

มี 3 ขนาด (64B, 16B, 4B) รองรับตั้งแต่ Cloud จนถึง Edge GPU

เน้นการสร้างข้อมูลสังเคราะห์ (Synthetic Data) และการจำลองสภาพแวดล้อมที่หลากหลายเพื่อฝึก AI

นวัตกรรมและเทคโนโลยี

models

Cosmos 3 World Foundation Models

ชุดโมเดลที่เรียนรู้ความสัมพันธ์ทางกายภาพเพื่อจำลองสภาพแวดล้อมและทำนายสถานะในอนาคต

robotics

NVIDIA Cosmos Edge

โมเดลขนาดเล็ก 4B ที่ออกแบบมาเพื่อการใช้งานแบบออนดีไวซ์บนแพลตฟอร์ม Jetson

Developer Impact
วิศวกรด้านหุ่นยนต์และยานยนต์สามารถใช้โมเดล Open Weights เหล่านี้ในการเทรนระบบควบคุม (Policy) โดยไม่ต้องเริ่มจากศูนย์ ช่วยลดเวลาและค่าใช้จ่ายในการเก็บข้อมูลจริง
Keywords
#nvidia cosmos #physical ai #world models #robotics
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

NVIDIA Blog