NYTT

Nvidia släpper mindre världsmodell för robotar

Cosmos 3 Edge är en öppen AI-modell som kopplar ihop synintryck med möjliga handlingar. Den är byggd för att köras nära robotar, kameror och industrimaskiner på Nvidia-hårdvara.

Publicerad 21 juli 2026, 11.04

AI-genererad illustration av en robotarm och en mobil inspektionsrobot som kopplas till en lokal beräkningsenhet och en visuell modell av lagermiljön.

Nvidia har släppt Cosmos 3 Edge på modellplattformen Hugging Face. Det är en öppen AI-modell med fyra miljarder parametrar som är byggd för robotar och andra system som behöver tolka kamerabilder och agera i en fysisk miljö.

En världsmodell försöker beskriva hur en miljö förändras över tid. För en robot kan det betyda att känna igen ett föremål, bedöma var det finns och förutse vad som händer om griparmen flyttas. Cosmos 3 Edge kan både resonera om en scen och skapa förslag på handlingar.

Modellen är gjord för lokal körning nära sensorerna, även kallat edge computing. Nvidia anger stöd för bland annat RTX Pro, DGX, GeForce RTX och Jetson. Att modellen går att ladda ned betyder inte att den fungerar direkt i varje robot. Utvecklare behöver anpassa den till maskinen, uppgiften och den egna datan.

Nvidia har också publicerat en version för uppgifter där en robot plockar och placerar föremål, tillsammans med skript för fortsatt träning. Företaget beskriver realtidsstyrning på Jetson Thor, men resultat om hastighet, precision och topplaceringar i tester kommer från Nvidia och är inte oberoende bekräftade.

Cosmos 3 Edge skickar inte automatiskt data till ett datacenter när den körs lokalt. Det kan minska fördröjningen och ge verksamheten större kontroll över dataflödet. Integritet och säkerhet beror ändå på hela systemet, inklusive kameror, lagring, nätverk och hur modellen har anpassats.

Varför det spelar roll

Mindre modeller gör det möjligt att flytta mer AI från molntjänster till robotar, kameror och industrimaskiner. För svenska verksamheter kan det ge snabbare reaktioner och mindre beroende av en nätanslutning. Det gör samtidigt testning, fysisk säkerhet och tydligt ansvar viktigare när ett AI-system påverkar den verkliga miljön.

Gör så här

  1. Börja med en avgränsad testmiljö där ett fel inte kan skada människor, utrustning eller produktion.
  2. Mät modellen på den egna kameran, roboten och uppgiften i stället för att utgå från leverantörens testresultat.
  3. Behåll en fysisk stoppfunktion och tydliga gränser för vilka handlingar modellen får föreslå eller utföra.