/ Модель

Характеристики

Размер весов
7,6 ГБ
Архитектура
cosmos3_omni · dense
Библиотека
cosmos-framework
Опубликована
21 авг 2026

armnet-so101-edge-generator-fd-15k

Языковая модельВидео, текст → видео3 профессии

Дообученная модель Cosmos3 4B прогнозирует короткое видео движения робота SO101 по кадру наблюдения, последовательности действий и тексту задачи.

10скачиваний за 30 дней0лайковвеса обновлены22 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это чекпойнт Cosmos3 4B Edge Generator для предсказания будущих кадров по динамике робота SO101. Модель разработана в рамках Cosmos и дообучена на данных ArmNetBench для одноручных и двуручных конфигураций SO101; репозиторий содержит EMA-чекпойнт с 15 000-й итерации, экспортированный в шардированные файлы safetensors.

На вход подаются кадр наблюдения, последовательность из 16 шагов действий и текстовое описание задачи. Модель предсказывает 17 кадров видео с частотой 20 кадров в секунду, длительностью 0,8 секунды и классом разрешения 480. Действия служат условием для прогнозирования динамики, а не результатом генерации. Для запуска README указывает использовать репозиторий NVIDIA Cosmos и ноутбук для forward dynamics.

Сценарии применения

  • прогнозирование движения одноручного робота SO101
  • прогнозирование движения двуручного робота SO101
  • визуальная симуляция результата заданной последовательности действий
  • оценка будущих кадров для задач управления роботизированной рукой

Ограничения

Обучение ориентировано на ArmNetBench SO101; README не подтверждает переносимость на другие роботизированные платформы. Модель прогнозирует видео по заданным действиям и не генерирует сами действия.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Cosmos3 Edge Generator SO101 Forward Dynamics — 15k

This repository contains the iteration-15,000 EMA checkpoint exported from Distributed Checkpoint (DCP) to sharded Hugging Face safetensors. It is a Cosmos3 4B Edge Generator forward-dynamics model conditioned on one observation frame, a 16-step action chunk, and the task-language caption, predicting a 17-frame video at 20 Hz (0.8 seconds) and resolution class 480.

The model was post-trained jointly on single-arm and bimanual ArmNetBench SO101:

DomainDomain IDRaw action width
armnet_so101_single236
armnet_so101_bimanual2312

The default policy manifest uses armnet_so101_single; both domains share the same learned domain ID. Actions are conditioned inputs in forward-dynamics mode, so action-generation loss is zero by design.

Evaluation

Single-arm native validation split: 75 episodes and 32,264 retained samples.

MetricResult
Vision rectified-flow loss (all 32,264 samples)0.1080426808
Total weighted rectified-flow loss1.0804268077
Action rectified-flow loss0.0
Mean decoded-video PSNR (diverse 30)18.2413917612 dB
Pooled-pixel PSNR (diverse 30)17.8811561069 dB

Bimanual diverse-30 mean PSNR is 18.2390195243 dB; pooled-pixel PSNR is 17.8093258752 dB.

Inference and evaluation code

Use NVIDIA's Cosmos repository and the forward-dynamics Action notebook:

https://github.com/NVIDIA/cosmos/blob/main/cookbooks/cosmos3/generator/action/run_fd_with_cosmos_framework.ipynb

The native export can be loaded by Cosmos3OmniModel.from_pretrained_dcp in the matching Cosmos3 checkout. The checkpoint includes its pinned Edge Reasoner processor and vision assets under edge_reasoner/; no raw DCP optimizer, scheduler, or trainer state is included.

The SO101 dataset adapter/domain registration used for this model is from the training checkout and is not yet on the public Cosmos main branch. For direct SO101 runs, register domain ID 23 with raw action width 6 (single-arm) or 12 (bimanual), matching checkpoint.json.

Provenance

Exported from the iteration-15,000 training checkpoint using EMA weights.

No training or checkpoint modification was performed during evaluation or export. The source DCP was loaded with EMA-to-regular weight mapping under inference-only workflows.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · cosmos-framework

Нельзя запустить

Модели «видео → видео» пока не запускаются.

Класс архитектуры
Cosmos3OmniModel
Ревизия весов
7f86a5c

0 моделей