NVIDIA/cosmos

NVIDIA Cosmos 是面向机器人、自动驾驶和 smart infrastructure 的 Physical AI world model 平台。Cosmos 3 使用 unified Mixture-of-Transformers：Reasoner Mode 做 perception/planning/world reasoning，Generator Mode 用 diffusion transformer 生成图像、视频、音频和 action。README 给出 16B Nano、64B Super、text-to-image、image-to-video、robot policy 等模型族，并支持 256p/480p/720p、5-300 frames，这比单一视频生成 repo 更接近平台化 world simulation。