Nvidia ha presentato Cosmos 3 Edge, un nuovo world model progettato per consentire a robot e agenti di visione artificiale di comprendere l’ambiente circostante, ragionare sulle situazioni osservate e generare azioni direttamente sui sistemi di edge computing. Il modello amplia la famiglia open source Cosmos 3 e porta le capacità della physical AI più vicino ai dispositivi che devono percepire e modificare il mondo reale.
Cosmos 3 Edge è un modello da 4 miliardi di parametri costruito sulla tecnologia Nemotron di Nvidia. Le dimensioni relativamente contenute rispetto ai grandi modelli eseguiti nei data center sono state scelte per permettere l’inferenza su GPU edge, senza dover trasferire continuamente immagini, dati sensoriali e decisioni operative verso un’infrastruttura cloud.
Il sistema è pensato per robot, veicoli autonomi e agenti di visione che devono reagire in tempo reale. Il modello può analizzare le informazioni provenienti dall’ambiente, interpretare ciò che sta accadendo e produrre direttamente le azioni che il dispositivo deve eseguire. Questa sequenza collega percezione, ragionamento e controllo all’interno dello stesso processo, trasformando il world model in un componente operativo e non soltanto in uno strumento per descrivere o simulare una scena.
L’esecuzione locale riduce la dipendenza dalla rete e limita la latenza introdotta dal trasferimento dei dati verso il cloud. In un impianto industriale, in un magazzino automatizzato o in un veicolo, anche un breve ritardo può compromettere la capacità del sistema di reagire a un ostacolo, a un movimento umano o a una variazione inattesa dell’ambiente. Cosmos 3 Edge è quindi orientato agli scenari nei quali le decisioni devono essere elaborate vicino ai sensori e agli attuatori.
Il modello può essere utilizzato nella produzione industriale, nella logistica, nella guida autonoma e nei sistemi di automazione. Un robot impiegato in una linea produttiva può interpretare la posizione degli oggetti e adattare il proprio movimento, mentre un sistema logistico può osservare il passaggio delle merci e reagire a blocchi o anomalie. Nei veicoli autonomi, la stessa impostazione permette di collegare le informazioni visive alla previsione degli eventi e alla selezione dell’azione più appropriata.
Cosmos 3 Edge appartiene alla categoria dei world action model, sistemi progettati non soltanto per rappresentare il funzionamento dell’ambiente, ma anche per generare comportamenti coerenti con quanto osservato. Un world model tradizionale può prevedere come potrebbe evolvere una scena; un world action model utilizza questa rappresentazione per stabilire quale intervento debba essere compiuto dal robot o dall’agente. Gli sviluppatori possono utilizzare il framework open source Nvidia Cosmos per adattare il modello a specifici robot, veicoli, sensori e ambienti operativi. Nvidia dichiara che una personalizzazione iniziale può essere realizzata anche nell’arco di una giornata, riducendo il tempo necessario per trasformare il modello generale in un sistema specializzato per una determinata attività.
La personalizzazione è importante perché i sistemi di physical AI operano in contesti molto differenti. Un robot per la movimentazione delle merci utilizza sensori, regole e azioni diverse rispetto a un veicolo autonomo o a un sistema di controllo industriale. Il modello deve quindi essere sottoposto a un addestramento successivo che gli permetta di interpretare correttamente gli input disponibili e generare azioni compatibili con l’hardware utilizzato. La struttura leggera di Cosmos 3 Edge consente di eseguire rapidamente questo post-training e di costruire world action model ottimizzati per attività specifiche. Invece di sviluppare da zero un modello per ogni macchina, le aziende possono partire dalla base fornita da Nvidia e adattarla alle caratteristiche del proprio sistema.
Cosmos 3 Edge può essere eseguito sulle GPU Nvidia RTX, sui sistemi DGX e sulla piattaforma Nvidia Jetson. Il supporto comprende anche i nuovi moduli Jetson T2000 e T3000, destinati a dispositivi edge che richiedono capacità elevate di elaborazione AI in spazi e consumi più contenuti rispetto a un server tradizionale. La compatibilità con piattaforme hardware differenti permette di utilizzare lo stesso modello durante più fasi del processo di sviluppo. Le attività di addestramento e sperimentazione possono essere svolte su sistemi DGX o workstation dotate di GPU RTX, mentre il modello ottimizzato può essere distribuito sui moduli Jetson installati direttamente all’interno di robot, macchine industriali e dispositivi autonomi.
Cosmos 3 Edge estende la piattaforma Cosmos 3 presentata da Nvidia nel giugno 2026. L’infrastruttura era stata sviluppata per accelerare la creazione dei sistemi robotici e autonomi attraverso world model capaci di generare dati sintetici, comprendere gli ambienti fisici e prevedere l’evoluzione delle scene. La nuova versione Edge trasferisce queste capacità verso l’esecuzione locale e la generazione immediata delle azioni.
I dati sintetici rappresentano una componente importante della piattaforma. Addestrare un robot esclusivamente attraverso esperienze reali può essere costoso, lento e pericoloso, soprattutto quando il sistema deve imparare a gestire incidenti o condizioni rare. I world model possono generare scenari simulati nei quali il robot osserva situazioni diverse e apprende come reagire prima di essere distribuito nell’ambiente reale.
La combinazione tra simulazione e inferenza edge consente di costruire un processo continuo. I modelli possono essere addestrati con dati reali e sintetici nei sistemi centrali, adattati al dispositivo specifico e successivamente eseguiti direttamente sull’hardware installato. Le nuove informazioni raccolte durante l’utilizzo possono poi essere impiegate per migliorare ulteriormente il modello.
Nvidia ha affiancato a Cosmos 3 Edge nuove funzioni dedicate allo sviluppo degli agenti di visione artificiale attraverso la piattaforma Metropolis. La società ha introdotto una libreria composta da più di 80 competenze aperte per generare dati sintetici, perfezionare i modelli, distribuire le applicazioni e ricavare informazioni in tempo reale dai flussi video.
Queste competenze possono essere coordinate attraverso istruzioni in linguaggio naturale e agenti di programmazione. Uno sviluppatore può quindi descrivere il sistema di visione che intende realizzare e utilizzare l’agente per selezionare i componenti, preparare i dati, configurare il modello e predisporre la distribuzione.
Nvidia stima che l’impiego delle nuove librerie e degli agenti di coding possa accelerare di oltre sei volte la costruzione, l’addestramento e la gestione dei sistemi di riconoscimento video basati su Cosmos. L’obiettivo è ridurre le migliaia di ore di sviluppo normalmente necessarie per realizzare un agente di visione pronto per l’uso in produzione.
Un agente di visione industriale deve normalmente integrare acquisizione dei flussi video, rilevamento degli oggetti, interpretazione delle scene, collegamento con i sistemi aziendali e generazione di avvisi o azioni. La disponibilità di componenti predefiniti permette di riutilizzare funzioni già testate, concentrando lo sviluppo sulla configurazione specifica del progetto.
Metropolis e Cosmos svolgono ruoli complementari. Metropolis fornisce gli strumenti per costruire e distribuire gli agenti che elaborano i flussi visivi, mentre Cosmos aggiunge una rappresentazione del mondo fisico attraverso la quale il sistema può interpretare le relazioni tra oggetti, movimenti e possibili eventi futuri.
Questa integrazione può essere utilizzata, per esempio, per creare un sistema che non si limiti a rilevare la presenza di una persona all’interno di un’area industriale. Il modello può valutare la traiettoria della persona, la posizione dei macchinari e il comportamento previsto, stabilendo se esiste un rischio imminente e attivando una risposta prima che si verifichi un incidente.
Lo stesso approccio può essere applicato al controllo del traffico, alla sicurezza urbana, alla gestione dei magazzini e all’analisi delle linee produttive. Il passaggio dalla semplice identificazione degli elementi alla comprensione dinamica della scena permette di produrre sistemi più autonomi e capaci di reagire alle condizioni reali.
La distribuzione sui dispositivi edge offre vantaggi anche nella gestione dei dati. Le immagini raccolte da telecamere e sensori possono essere elaborate localmente, evitando di trasmettere continuamente grandi quantità di video verso il cloud. Questo può ridurre il consumo di banda e facilitare l’adozione in contesti nei quali i dati non possono lasciare l’impianto o il dispositivo.
L’elaborazione locale non elimina comunque la necessità di un’infrastruttura centrale. I modelli devono essere addestrati, aggiornati e controllati, mentre le informazioni rilevanti possono essere aggregate per migliorare il sistema complessivo. L’edge computing distribuisce quindi una parte dell’intelligenza vicino alle macchine, mantenendo una relazione con le piattaforme utilizzate per lo sviluppo e la gestione.
Cosmos 3 Edge rappresenta un passaggio dalla physical AI basata prevalentemente su grandi infrastrutture di calcolo a sistemi capaci di operare direttamente nell’ambiente. Il modello da 4 miliardi di parametri è sufficientemente compatto per essere eseguito sulle piattaforme edge di Nvidia, ma conserva le capacità necessarie per comprendere le scene e generare azioni.
La disponibilità open source del framework permette inoltre agli sviluppatori di adattare il sistema senza dipendere esclusivamente da un servizio remoto controllato da Nvidia. Il valore commerciale della piattaforma rimane però strettamente collegato all’hardware dell’azienda, perché addestramento, ottimizzazione e inferenza sono progettati per funzionare sull’ecosistema composto da DGX, RTX e Jetson.
Con Cosmos 3 Edge, Nvidia cerca quindi di estendere la propria posizione oltre la fornitura di GPU per l’addestramento dei modelli generativi. La società propone un’infrastruttura completa per creare, addestrare, personalizzare e distribuire agenti capaci di operare nel mondo fisico.
La combinazione tra world model, dati sintetici, agenti di programmazione, librerie Metropolis e piattaforme Jetson costruisce una catena tecnologica che parte dalla simulazione e arriva al controllo diretto del dispositivo. Robot e sistemi di visione possono così elaborare localmente ciò che osservano, prevedere l’evoluzione della situazione e produrre un’azione senza attendere la risposta di un modello eseguito nel cloud.
Cosmos 3 Edge rende concreta l’idea di una physical AI on-device nella quale percezione, ragionamento e movimento vengono coordinati sullo stesso sistema edge. La riduzione della latenza e la possibilità di personalizzare rapidamente il modello possono favorirne l’impiego nei contesti industriali e autonomi, dove la velocità di risposta, la continuità operativa e il controllo locale dei dati sono requisiti essenziali.