אנבידיה משיקה ארבעה מודלים פתוחים של Cosmos 3 לסימולציית נהיגה ורובוטיקה

אנבידיה הוסיפה ארבעה מודלים חדשים למשפחת Cosmos 3, שמיועדים ליצירת סימולציות אינטראקטיביות ולהפקת סצנות נהיגה מרובות חיישנים. לפי הפוסט שפרסמה החברה ב-Hugging Face ב-5 בנובמבר 2026, המשקולות של המודלים פתוחות להורדה, והם מופצים ברישיון OpenMDW1.1, שמתיר שימוש מסחרי ולא מסחרי בכפוף לתנאיו.

Cosmos היא הפלטפורמה של אנבידיה לפיתוח world models: מודלים שמדמים סביבה פיזית ומנבאים כיצד היא תשתנה בעקבות פעולות שמתרחשות בה. כל ארבעת החדשים הם גרסאות של Cosmos 3 Nano שעברו אימון נוסף (post-training), ולכל אחד מהם 16 מיליארד פרמטרים הניתנים לאימון. אנבידיה מגדירה אותם כדוגמאות, כלומר נקודת מוצא שמפתחים יכולים להתאים לצרכים שלהם.

ארבעה מודלים, ארבעה תפקידים

• Cosmos3-Nano-Transfer-Auto מייצר נתוני נהיגה סינתטיים באופן לא מקוון. הוא מפיק וידאו מסונכרן מעד 11 זוויות מצלמה, כולל עדשות fisheye, ותומך ביצירה משולבת של תמונה ונתוני LiDAR, חיישן שממפה את הסביבה בתלת־ממד. מפתחים יכולים לשנות מזג אוויר, תאורה ושעה ביום כדי להרחיב את מגוון התרחישים.
• Cosmos3-Nano-Sim-Auto הוא גרסה מזוקקת של Transfer-Auto, שבנויה להזרמה מהירה. הוא מייצר מקטעים קטנים ועוקבים של וידאו ו-LiDAR מסונכרנים, על בסיס ההיסטוריה שכבר נוצרה ופקודות נהיגה מעודכנות.
• Cosmos3-Nano-Sim-Transfer הופך פקודות מסימולטור והנחיית טקסט לווידאו פוטוריאליסטי. הסימולטור ממשיך לחשב תנועה, מגע ומצב פיזיקלי, והמודל אחראי על המראה החזותי.
• Cosmos3-Nano-Sim-Bimanual מנבא וידאו מתוך פעולות של רובוט או של מצלמה, כלומר מראה מה תהיה התוצאה החזותית של פעולה נתונה.

בתחום הנהיגה האוטונומית מדגישה אנבידיה את ההתאמה בין מה שהמצלמה רואה למה שחיישן ה-LiDAR מודד. לדבריה, בקרה על מבנה הסצנה ועל מצב הרמזורים מאפשרת לחוקרים לשנות תנאים ולבחון כיצד מדיניות הנהיגה של המערכת מגיבה. מי שמשתמש במערך חיישנים משלו יכול, לפי החברה, לאמן את Transfer-Auto על הנתונים שלו ואז לזקק אותו למודל סימולציה מהיר.

יש גם מגבלה מעשית: Sim-Auto לא מספק לבדו סימולציה סגורה. כדי שפעולות הנהיגה ישפיעו על הסצנה הבאה נדרשים גם סביבת הרצה לסימולציה ורכיב שמעדכן את פקודות הבקרה.

למה זה חשוב

אימון ובדיקה של רובוטים ורכבים אוטונומיים בעולם האמיתי הם תהליך יקר ואיטי, ותרחישים מסוכנים קשה לשחזר בו. המשמעות של מודלים כאלה היא אפשרות לייצר הרבה יותר וריאציות של אותו מצב בסביבה ממוחשבת. פרסום המשקולות ומתכוני האימון עשוי גם להוריד את חסם הכניסה למעבדות ולחברות קטנות, ולהקל על השוואה בין שיטות, שזו אחת המטרות שאנבידיה מציינת. עבור החברה, פלטפורמה פתוחה כזו ככל הנראה גם מחזקת את מעמדה בתחום הבינה המלאכותית הפיזית, אף שהיא לא מציגה זאת כך.

כדאי לקרוא את ההכרזה בזהירות. התיאור מגיע מאנבידיה עצמה, והיכולות שהיא מייחסת למודלים לא אומתו כאן באופן עצמאי. גם החברה מודה שהבעיות נותרו קשות, ושהעבודה שלפניה היא למדוד היכן המודלים תומכים באמינות באימון ובהערכה של מדיניות פעולה, להבין את מגבלותיהם ולשפר אותם. במילים אחרות, סרטון שנראה אמין עדיין לא מוכיח שהסימולציה נאמנה מספיק כדי ללמד רובוט או רכב כיצד לפעול במציאות.