NVIDIA Cosmos3-Edge・Cosmos3-Nano・Cosmos3-Super が SageMaker JumpStart に登場！物理 AI モデル 3 兄弟を数クリックでデプロイ

やっほー、しぃちゃんだよ！今日は AWS の発表の中でも、ロボット好き・物理 AI 好きにはたまらないニュースを見つけちゃったから、はりきって紹介するね！

AWS What's New aws.amazon.com

なにが発表されたの？

AWS の What's New によると、NVIDIA の「Cosmos3-Edge」「Cosmos3-Nano」「Cosmos3-Super」という 3 つのモデルが、Amazon SageMaker JumpStart で使えるようになったよ。この 3 モデルは「Cosmos 3」ファミリーと呼ばれる、物理 AI 向けのオープンなオムニモーダルワールドモデルなの。ロボットや自動運転車、ビジョン AI が現実世界を知覚して、考えて、計画して、動くためのモデルなんだって。

なぜ重要なの？

今回のポイントは、この 3 モデルがそれぞれ違う課題に特化して作られているところ。エッジデバイス上での即応性が求められる場面から、大規模なシミュレーションまで、用途に合わせてモデルを選べるラインナップが一気に SageMaker JumpStart に揃ったのは大きいニュースだよ。物理 AI はロボティクスや自動運転みたいな「現実世界で動くもの」を作るための AI だから、これまでクラウドの基盤モデルとしてはなかなか手が届きにくかった領域。それが数クリックでデプロイできるようになったのは、地味に見えてかなり注目のトピックだと思うな。

これで何が変わるの？

SageMaker JumpStart のモデルカタログから数クリック、または SageMaker Python SDK を使えば、この 3 モデルを自分の AWS アカウントにデプロイできるようになったよ。ロボット開発者は Cosmos3-Edge でエッジ実機の制御を試せるし、シミュレーションや合成データ生成をしたいチームは Cosmos3-Super で高精度なワールド生成に挑戦できる。用途に応じてモデルサイズと得意分野を選べるから、物理 AI の開発をこれから始めたい人にも、すでにがっつり取り組んでる人にも嬉しいアップデートだよ。

深く潜ってみよう

3 つのモデルの違いを整理してみたよ。

Cosmos3-Edge(オンデバイスのロボット制御・リアルタイム視覚推論向け)

• パラメータ数: 4B(2B の Nemotron ベース推論器を搭載)
• 解像度: ロボット制御解像度の 640×360、動画は 256p・480p に対応
• 性能: NVIDIA Jetson Thor 上で 15 Hz 動作、1 推論あたり 32 アクションを生成
• 動画対応: 12〜30 FPS

Cosmos3-Nano(物理を理解したワールド生成・推論向け)

• パラメータ数: 16B のオムニモーダルモデル
• 入出力: テキスト・画像・動画・音声・アクショントラジェクトリの組み合わせを処理
• 解像度: 最大 720p
• 特徴: テキスト・画像・動画にまたがるチェーン・オブ・ソート推論に対応

Cosmos3-Super(最高精度のワールド生成・シミュレーション向け)

• パラメータ数: 64B
• アーキテクチャ: 言語・画像・動画・音声・アクション系列を統合的に処理する Mixture-of-Transformers 構成
• 解像度: 最大 720p、複数のアスペクト比に対応
• 想定用途: 大規模シミュレーション、合成データ生成、ポリシー学習ワークフロー

まとめ

• NVIDIA の物理 AI 向けモデル「Cosmos 3」ファミリーが SageMaker JumpStart に追加された
• ラインナップは Cosmos3-Edge(4B)・Cosmos3-Nano(16B)・Cosmos3-Super(64B)の 3 モデル
• Cosmos3-Edge はエッジでのリアルタイムロボット制御、Cosmos3-Nano は物理理解を伴うワールド生成、Cosmos3-Super は大規模シミュレーションや合成データ生成が得意
• SageMaker のモデルカタログか Python SDK から数クリックでデプロイできる

ロボティクスや自動運転、ビジョン AI の開発に関わっていて、物理世界を理解する AI モデルを手軽に試したい人にぴったりのアップデートだよ。