Στις 31 Μαΐου 2026 η NVIDIA παρουσίασε το Cosmos 3, το οποίο περιγράφει ως ανοιχτό θεμελιώδες μοντέλο κόσμου για το Physical AI και ως το πρώτο της πλήρως ανοιχτό omnimodel, ικανό να κατανοεί και να παράγει ταυτόχρονα πολλούς τύπους δεδομένων. Το μοντέλο χρησιμοποιεί αρχιτεκτονική mixture-of-transformers που συνδυάζει έναν transformer συλλογιστικής με έναν εξειδικευμένο transformer παραγωγής, ώστε να επεξεργάζεται τις φυσικές αλληλεπιδράσεις πριν προβλέψει τι θα ακολουθήσει. Σύμφωνα με την NVIDIA, εκπαιδεύτηκε σε ένα από τα μεγαλύτερα πολυτροπικά σύνολα δεδομένων physical AI, με δισεκατομμύρια δείγματα κειμένου, εικόνας, βίντεο, ήχου και τροχιών ενεργειών, και μπορεί να λειτουργήσει ως μοντέλο όρασης-γλώσσας, μοντέλο κόσμου, θεμελιώδες μοντέλο βίντεο και βάση για την εκπαίδευση ρομπότ σε συγκεκριμένες εργασίες. Η NVIDIA παρουσίασε επίσης τις εκδόσεις Super, Nano και (προσεχώς) Edge, μαζί με μια συμμαχία Cosmos Coalition με εταίρους όπως οι Agile Robots, Black Forest Labs, Generalist, LTX, Runway και Skild AI.
Για την Ergonet, αυτό αντανακλά την ίδια κατεύθυνση προς την οποία κινούμαστε: μηχανική όραση και μοντέλα κόσμου που επιτρέπουν σε ρομπότ και συστήματα αυτοματισμού να κατανοούν το φυσικό περιβάλλον πριν δράσουν σε αυτό.
Πηγή: NVIDIA