Aller au contenu principal
← Retour aux actualités

NVIDIA publie Cosmos3-Edge-Policy-DROID : une policy de 4B pour la robotique on-device

Nouveaux modèles
Source:NVIDIA (Hugging Face)
Le point de contrôle de 4B de la famille Cosmos3 traduit des instructions en langage naturel et des observations visuelles du robot DROID en trajectoires d'action. Base du checkpoint edge de NVIDIA : licence OpenMDW 1.1, usage commercial et non commercial, publié en juillet 2026.
Lire l'article original

Articles connexes

Cosmos 3 Edge: la policy DROID per la robotica che gira sull'edge

Cosmos3-Edge-Policy-DROID: la policy robotica da 4B di NVIDIA. Quanto hardware serve per farla girare in tempo reale sul Jetson, e dove si ferma.

Recevez le prochain point IA locale

Chaque semaine, une sélection du meilleur d'iaLocale : articles, actualités et ressources sur l'IA locale, et plus encore.

Après l'inscription, vous recevez un e-mail de confirmation (double opt-in). Sans confirmation, nous n'envoyons rien. Pas de spam, promis.

Ressources liées

Outils et ressources des archives iaLocale pertinents pour ce contenu.

🤖

NVIDIA Cosmos3-Edge-Policy-DROID

Modèles

Point de contrôle robot-policy de 4B post-entraîné sur la base Cosmos3-Edge : à partir d'instructions en langage naturel et d'observations visuelles du robot DROID, il génère des trajectoires d'action pour des tâches de manipulation. Architecture Mixture-of-Transformers (tour autoregressive + diffusion transformer), licence OpenMDW 1.1, usage commercial et non.

🚗

NVIDIA Cosmos3-Nano-Sim-Auto

Modèles

Variante causal-distilled de la famille Cosmos3 pour la simulation de conduite en temps réel : génère des vidéos multi-caméras (jusqu'à 11 vues standard et fisheye) et LiDAR synchronisés, conditionnés par un prompt et des contrôles WSM. 16B de paramètres, architecture Mixture-of-Transformers, licence OpenMDW 1.1, prête à l'usage commercial et non commercial.

📄

NVIDIA Nemotron Parse (famiglia OCR)

Modèles

Famille de modèles vision-encodeur-décodeur de NVIDIA pour la compréhension de documents en local : markdown, formules LaTeX, bounding boxes et classe sémantique par élément, dans l'ordre de lecture. ViT-H (C-RADIO) + décodeur mBART à 10 blocs, tous sous le milliard de paramètres. En local via vLLM (v0.20–v0.26 pour la 2.0) ou Transformers, sur GPU NVIDIA (Turing à Blackwell).

🖥️

NVIDIA A100 80GB (SXM)

Matériel

GPU datacenter de 80 Go de HBM2e : la référence pour le training et l'inférence en datacenter. Exige des serveurs dédiés et une alimentation enterprise.

Parcourir toutes les ressources