重大突破：Cosmos 3 Edge 可在 Jetson Thor 本機運行
NVIDIA 於本月發表的 Cosmos 3 Edge，是一款 4 B（40 億參數）全域模型，內含 2 B（20 億參數）以 Nemotron（NVIDIA 自研大型語言模型）為核心的推理引擎。該模型在與 Cosmos 3 Nano、Cosmos 3 Super 相同的實體世界資料上進行預訓練，具備對物體運動與接觸交互的基礎認知，且體積足以直接部署於 Jetson Thor（NVIDIA 針對機器人設計的嵌入式 GPU 平台）。
背景與技術細節
傳統的 world model（世界模型）能夠學習物理交互規則，但往往過於龐大，難以在機器人上即時推論。Cosmos 3 Edge 透過模型壓縮與結構優化，使其記憶體需求符合 Jetson Thor 的限制，實現「端側」推論，免除將影像與感測資料上傳至資料中心 GPU 的需求。
在實時控制方面，NVIDIA 以 DROID（Data‑Driven Robot‑centric Inference for Dexterous manipulation）行動策略為基礎，於 Jetson AGX Thor T5000 上每 1.53 秒產生一次動作區塊（action chunk），解析度 640×540、頻率 15 Hz。單個區塊覆蓋約 2.13 秒的機械臂運動，因為下一區塊在前一區塊結束前已備妥，機械手臂可持續移動，完全不依賴雲端 GPU。
實驗結果與意義
在封閉迴路的 RoboLab 任務測試中，經過後訓練（post‑training）的 Cosmos 3 Edge 策略達到 22.9 % 的成功率。此數值證明，僅 4 B 的世界基礎模型即可作為實時、端側機器人策略的可行骨幹。
訓練所使用的 nvidia/Cosmos3‑DROID 資料集（LeRobotDataset v3.0 格式）包含 76,000 筆成功遙控軌跡，約 350 小時、86 項任務、564 個場景，採用 Franka Panda 機械臂搭配 Robotiq 抓手錄製，影像解析度 640×360。
未來展望
Cosmos 3 Edge 的成功示範顯示，具備物理常識的中等規模模型已可在資源受限的機器人上即時運作，為「即插即用」的機器人智能鋪路。未來若結合更廣泛的多模態資料與更高效的微調流程，預期可提升成功率與任務多樣性，讓工業、物流乃至服務機器人皆能在本地端完成複雜的操作決策，降低對雲端算力的依賴，進一步推動機器人技術的普及與安全性。