NVIDIA Cosmos เปิดตัวเครื่องมือฝึก World Models ล้ำสมัย

เพื่อช่วยให้นักพัฒนาสร้าง world models ได้รวดเร็วขึ้น ซึ่งช่วยให้ระบบ physical AI เข้าใจและจำลองโลกแห่งความเป็นจริงได้ NVIDIA ได้ขยาย Cosmos platform ด้วยเครื่องมือฝึกฝนใหม่ simulation checkpoints และพิมพ์เขียว Cosmos Data Factory

ด้วยการจัดอันดับอยู่ในห้าอันดับแรกบนตารางผู้นำโมเดลแบบเปิด 6 แห่งที่แตกต่างกัน แพลตฟอร์ม NVIDIA Cosmos มอบโมเดลแบบเปิดระดับแนวหน้าให้แก่ผู้สร้าง world model รวมถึงข้อมูล เครื่องมือฝึกฝนและการปรับแต่ง ตลอดจนสูตรสำเร็จ เพื่อขยายข้อมูลการฝึก ปรับแต่งโมเดล ทดสอบพฤติกรรม และเพิ่มประสิทธิภาพก่อนการนำไปใช้งานจริง

สร้างข้อมูลการฝึกฝนที่ดีขึ้น

การสร้าง world models เริ่มต้นด้วยข้อมูลแบบ multimodal และ multisensory

NVIDIA Cosmos Data Factory รวบรวมเครื่องมือและทักษะสำหรับการติดฉลาก การดูแลจัดการ การเพิ่มขยาย และการประเมินข้อมูลในระดับขนาดใหญ่สำหรับการฝึกฝน physical AI โดย Cosmos Curator ซึ่งเป็นโซลูชันที่เร่งการทำงานด้วย GPU สำหรับการดูแลชุดข้อมูลวิดีโอฝึกฝน ได้เพิ่มการรองรับอินพุตแบบ multimodal multisensory และบล็อกการประมวลผลแล้ว

Read All NVIDIA in Europe Announcements

ปัจจุบัน Cosmos Data Factory นำเสนอพิมพ์เขียวแบบ cloud-native 5 รายการดังต่อไปนี้ และพร้อมใช้งานผ่าน GitHub, Microsoft Azure, Nebius และ CoreWeave:

• Autonomous Vehicle Dataset Generation: ดูแลจัดการและติดฉลากข้อมูลการขับขี่ จากนั้นเพิ่มตัวอย่างสังเคราะห์ของสถานการณ์ที่บันทึกได้ยากเพื่อขยายขอบเขตการฝึกฝน
• Image Attribute Augmentation: ปรับเปลี่ยนลักษณะภายนอกของวัตถุเพื่อปรับปรุงการค้นหาภาพ
• Event Video Generation: เปลี่ยนภาพนิ่งเป็นวิดีโอสังเคราะห์ของเหตุการณ์ที่เกิดขึ้นได้ยากหรือไม่ปลอดภัย
• Defect Image Generation: สร้างภาพข้อบกพร่องของแผงวงจรพิมพ์ โลหะ และแก้ว สำหรับโมเดลการตรวจสอบ
• Video Data Augmentation: เปลี่ยนสภาพอากาศและแสงในฟุตเทจที่มีอยู่โดยยังคงรักษาโครงสร้างของฉากไว้

[https://blogs.nvidia.com/wp-content/uploads/2026/10/CDF-visual-Oct20.mp4](https://blogs.nvidia.com/wp-content/uploads/2026/10/CDF-visual-Oct20.mp4?_=1)

Cosmos Data Factory เร่งการดูแลจัดการข้อมูล การประมวลผล และการสร้างข้อมูลสังเคราะห์ด้วยทักษะแบบ agentic

บริษัทต่างๆ ได้เริ่มนำพิมพ์เขียว Cosmos Data Factory ไปใช้งานเพื่อเร่งขั้นตอนการพัฒนา physical AI ของตนแล้ว โดย Porsche กำลังพัฒนาวงล้อข้อมูล AV (AV data flywheel) ผ่าน Voxel51 บน Microsoft Azure ซึ่งคาดว่าจะช่วยลดการทดสอบขับขี่จริงซ้ำๆ ได้ถึง 90% และย่อระยะเวลาการพัฒนาลงได้ถึง 85%

[https://blogs.nvidia.com/wp-content/uploads/2026/10/Porche-Cosmos-Data-Factory.mp4](https://blogs.nvidia.com/wp-content/uploads/2026/10/Porche-Cosmos-Data-Factory.mp4?_=2)

Porsche ค้นหาและเพิ่มขยายฟุตเทจข้อมูลรถยนต์ไร้คนขับใน Voxel51 ซึ่งขับเคลื่อนโดย Cosmos Data Factory

ANYbotics ได้สร้างคลิปวิดีโอสังเคราะห์กว่า 1,500 คลิปด้วยพิมพ์เขียว Cosmos Data Factory โดยใช้แพลตฟอร์มของ Encord ตรวจสอบผลลัพธ์ เพื่อฝึกฝนหุ่นยนต์ตรวจสอบอุตสาหกรรมให้จดจำความผิดปกติ เช่น คราบของเหลวหก ระหว่างการตรวจเยี่ยมโรงงาน

[https://blogs.nvidia.com/wp-content/uploads/2026/10/ANYbotics-Cosmos-Data-Factory.mp4](https://blogs.nvidia.com/wp-content/uploads/2026/10/ANYbotics-Cosmos-Data-Factory.mp4?_=3)

ANYbotics สร้างคลิปความผิดปกติด้วย Encord ที่ขับเคลื่อนโดย NVIDIA Cosmos Data Factory

ขณะที่ Ultralytics ได้ฝึกฝนโมเดล YOLO ใหม่ด้วยภาพจริงร่วมกับภาพข้อบกพร่องสังเคราะห์จาก Cosmos Data Factory ซึ่งช่วยเพิ่มความแม่นยำในการระบุตำแหน่งความผิดปกติได้อย่างชัดเจน

ฝึกฝน ปรับแต่ง และเพิ่มประสิทธิภาพโมเดล

เมื่อเตรียมข้อมูลเรียบร้อยแล้ว นักพัฒนาสามารถเลือกฝึกฝนสถาปัตยกรรมของตนเองหรือเริ่มต้นจากโมเดลที่ฝึกฝนไว้ล่วงหน้า (pretrained model) ได้ทันที

ในงาน GTC Berlin ทาง NVIDIA ได้ขยายเครื่องมือเพิ่มประสิทธิภาพและการปรับใช้งานของ Cosmos Framework ในรูปแบบ agent skills ไปยังโมเดลแบบเปิดที่หลากหลายขึ้น พร้อมเปิดตัว Cosmos 3 เพื่อย่นระยะเวลาจากการทดลองไปสู่การใช้งานจริง

ปัจจุบันนักพัฒนาและเอเจนต์สามารถปรับแต่งโมเดลแบบเปิดอย่าง GR00T, Alpamayo, QWEN, Pi0.5 และโมเดลอื่นๆ บน Hugging Face ผ่านการทำ fine-tuning และ reinforcement learning พร้อมทั้งเพิ่มประสิทธิภาพด้วยเทคนิค distillation และ quantization เพื่อการประมวลผลระดับสูง

Cosmos Framework เป็นเฟรมเวิร์กแบบโมดูลที่ออกแบบมาเพื่อเร่งการพัฒนา world model โดยเฉพาะ เช่น ห้องปฏิบัติการ MicroAGI ได้ทำ post-trained บน Cosmos 3 และทำ distillation จากโมเดล 32 พันล้านพารามิเตอร์ ให้เหลือเพียง 8 พันล้านพารามิเตอร์ โดยที่ความแม่นยำยังคงเดิม

นอกจากนี้ นักพัฒนาสามารถทำ post-train ให้กับ Cosmos 3 บน Roboflow เพื่อปรับให้เข้ากับงานเฉพาะด้าน และปรับใช้งานผ่าน NVIDIA GPU ทั้งแบบคลาวด์หรือติดตั้งในสถานที่ เพื่อใช้งานด้านการให้เหตุผลผ่านวิดีโอ (video reasoning) ในภาคอุตสาหกรรม

ทดสอบนโยบายและรันโมเดลได้เร็วขึ้น

NVIDIA ยังคงพัฒนาเทคโนโลยีพื้นฐานอย่างต่อเนื่อง โดยส่ง Cosmos 3 Nano รุ่นต่างๆ มาเพื่อช่วยให้นักพัฒนาทดสอบนโยบายอัตโนมัติ (autonomous policies) ในสถานการณ์จำลองที่ซับซ้อนและเลียนแบบได้ยากก่อนการทดสอบจริง

สำหรับการใช้งานจริง นักพัฒนาสามารถปรับใช้งานผ่านไมโครเซอร์วิส NVIDIA Cosmos 3 NIM รุ่นอัปเดตใหม่ ซึ่งให้ความเร็วในการอนุมานเพิ่มขึ้นสูงสุด 2 เท่าโดยไม่เสียคุณภาพ และสามารถวิเคราะห์วิดีโอต่อเนื่องเพื่อแจ้งเตือนได้ในเวลาไม่ถึงวินาที

ทางด้าน NVIDIA Metropolis Blueprint สำหรับ VSS 3.3 ใหม่ที่สร้างบน Cosmos NIM จะช่วยให้ทีมตรวจสอบสามารถจัดการสตรีมวิดีโอได้เพิ่มขึ้นถึง 40% โดยใช้ทรัพยากร GPU เท่าเดิม

ตัวอย่างความสำเร็จคือ ADNOC ที่ใช้แพลตฟอร์ม MistIQ ของ Fogsphere ร่วมกับ Cosmos และ Metropolis VSS Blueprint ในการตรวจจับอันตรายแบบเรียลไทม์ และใช้ Fogsphere ร่วมกับ Cosmos Data Factory สร้างข้อมูลสังเคราะห์เพื่อฝึกการตรวจจับเหตุการณ์อันตรายที่เกิดขึ้นได้ยาก

[https://blogs.nvidia.com/wp-content/uploads/2026/10/ADNOC-Cosmos.mp4](https://blogs.nvidia.com/wp-content/uploads/2026/10/ADNOC-Cosmos.mp4?_=4)

แพลตฟอร์ม Cosmos เป็นแบบโมดูลและแบบเปิดอย่างสมบูรณ์ นักพัฒนาสามารถใช้ Cosmos Data Factory สร้างชุดข้อมูล ใช้ Cosmos Framework ฝึกฝนโมเดล และปรับใช้งานผ่าน ไมโครเซอร์วิส NIM

Read All NVIDIA in Europe Announcements