2026年7月20日、米NVIDIAはフィジカルAI向けのワールドモデル「Cosmos 3 Edge」を一般公開したと発表しました。世界モデルとは、ロボットなどが周囲の環境を認識し、状況を推論しながら次の展開を予測するためのAIモデルを指します。
Cosmos 3 Edgeは40億パラメータのオムニモデルで、NVIDIA Nemotronを基盤としています。テキストや画像、動画に加えて、環境音や行動まで理解・生成できる点が特徴です。既存モデル「Cosmos 3」を拡張したもので、混合型トランスフォーマーと呼ばれる構造を採用し、現実の物理法則に沿ったビジョン分析やロボットの動作制御を、デバイス上でリアルタイムに行えるように調整しています。
省メモリでの動作と高いスループットを両立させており、NVIDIA JetsonやRTX PRO、DGX、GeForce RTX搭載GPUなど幅広いエッジ環境に対応します。ビジョン分析の精度を測るベンチマーク「VANTAGE-Bench」では、同規模のパラメータ数を持つモデルの中で最高評価を獲得したほか、post-training(公開済みモデルを追加データで再学習させる工程)によってロボットの学習にも活用できます。開発者は、特定のロボットや車両向けにCosmos 3 Edgeを約1日で調整できると説明しています。
Cosmos 3 Edgeは、NVIDIAが日本のFANUCや富士通など20社超とフィジカルAI分野での連携を発表したタイミングで、あわせて公表されたモデルです。7月15日に新型モジュール「T3000」「T2000」を含むJetsonシリーズへの対応も明らかにされており、Cosmos 3 Edgeはこれらのモジュール上での動作にも対応します。
参考
NVIDIA 公式ブログ（7/20）
NVIDIA 公式ブログ（7/15）
