La plateforme NVIDIA Cosmos a fait l'objet d'une extension systématique pendant la GTC Berlin, le 22 octobre 2026. Le blog officiel de NVIDIA a décrit le même jour l'élargissement de la chaîne d'outils des modèles du monde, des données au déploiement en passant par l'entraînement : nouveaux plans (blueprints) de Cosmos Data Factory, recettes d'entraînement étendues de Cosmos Framework, nouvelles variantes Cosmos 3 Nano pour la simulation et microservices NIM plus rapides. Le rôle des modèles du monde est de permettre aux robots et aux véhicules autonomes de comprendre le monde physique et d'y échouer sans risque en simulation, avant de passer aux environnements réels.
La première lacune comblée concerne les données
Data Factory prend en charge l'étiquetage, la sélection, l'augmentation et l'évaluation des données d'entraînement. Cinq nouveaux blueprints natifs du cloud couvrent la génération de jeux de données de conduite autonome, l'augmentation d'attributs d'images, la génération de vidéos d'événements rares, la génération d'images de défauts et l'augmentation de données vidéo, disponibles via GitHub ainsi que sur Azure, Nebius et CoreWeave. Cosmos Curator, le composant dédié aux jeux de données vidéo, prend désormais en charge des entrées multimodales et multicapteurs. Les premiers utilisateurs donnent une idée de l'échelle : Porsche utilise ces outils sur Microsoft Azure pour construire un volant de données de conduite autonome partagé entre les marques du groupe Volkswagen, avec, selon NVIDIA, l'objectif de réduire jusqu'à 90 % les essais routiers répétés et jusqu'à 85 % les cycles de développement. ANYbotics a généré plus de 1 500 clips synthétiques pour entraîner des robots d'inspection industrielle à repérer les fuites de liquides et autres anomalies.
Des recettes ouvertes à davantage de modèles, un déploiement jusqu'à deux fois plus rapide
Lors de la GTC Berlin, NVIDIA a étendu les recettes d'entraînement, d'optimisation et de déploiement de Cosmos Framework, proposées sous forme de compétences d'agents, à davantage de modèles ouverts, permettant d'affiner, d'entraîner par renforcement, de distiller et de quantifier des modèles comme GR00T, Alpamayo, Qwen et Pi0.5. Le laboratoire MicroAGI a fourni un exemple concret : la distillation du raisonneur Cosmos 3 de 32 milliards de paramètres vers un modèle Nano de 8 milliards, sans perte de précision. Côté service, les microservices Cosmos 3 NIM mis à jour offrent une inférence jusqu'à deux fois plus rapide dans des configurations validées, et les nouvelles variantes Nano de simulation permettent de tester d'abord les politiques de conduite autonome et de robots bimanuels dans des scénarios multivues reproductibles. Pour les équipes d'IA physique, l'intérêt de cette mise à jour ne tient pas à un benchmark isolé, mais au fait que les données, l'entraînement, l'évaluation et le déploiement — autrefois assemblés à partir de piles séparées — tiennent désormais dans une seule plateforme ouverte.
