Cosmos-Reason1

엔비디아🇺🇸 미국NVIDIA Cosmos 계열

이해·계획 (VLM)발표일 2025.03가중치 공개 · NVIDIA Open Model License

물리 상식과 공간·행동 추론에 특화된 엔비디아의 이해·계획 (VLM) 모델로, 긴 사고연쇄로 영상 속 물리 상황을 판단해 로봇 계획·데이터 큐레이션·보상 모델에 쓰여요. 7B를 공개했어요.

파라미터: 7공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: 3건

공식 자료프로젝트 페이지 research.nvidia.com 논문 arxiv.org 코드 저장소 github.com 가중치 huggingface.co

무엇인가

이해·계획 (VLM) — Vision-Language Model. 영상과 말을 함께 이해해 장면을 해석하고 할 일을 계획하는 AI.
발표일 2025-03
가중치 공개 (NVIDIA Open Model License) — 내려받아 직접 실행·추가 학습할 수 있음
수록된 벤치마크 결과 3건

확인된 정보

사양 9개 항목 중 2개에 값이 있음
공식 공식 2개: 구조, 파라미터 (B)
벤치마크 결과 3건: 자체 발표 0건 · 자체 발표 외 평가 3건
값 확인일 2025-03 – 2025-05 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력, 학습용 데이터셋
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

Cosmos-Reason1은 엔비디아가 2025년 3월 논문으로 공개한 피지컬 AI용 이해·계획 (VLM) 모델로, 영상 속 물리 상황을 이해하고 다음에 할 행동 같은 판단을 자연어로 내놓도록 만들어졌다. 텍스트와 영상·이미지를 받아 긴 사고연쇄(chain-of-thought) 추론을 거쳐 텍스트로 답하며, 공개된 7B 모델은 Qwen2.5-VL-7B-Instruct를 바탕으로 사후 학습했다. 학습은 피지컬 AI 지도학습(SFT)과 피지컬 AI 강화학습 두 단계로 진행됐고, RoboVQA·BridgeDataV2·AgiBot·HoloAssist와 자율주행 영상 같은 로봇·주행 데이터를 썼다.

엔비디아는 공간·시간·물리를 다루는 물리 상식 체계와 여러 로봇 형태에 두루 쓰는 공간·행동 추론 체계로 자체 벤치마크를 만들었고, 강화학습 단계를 거치며 7B 모델의 두 벤치마크 평균 점수가 60.7에서 65.7로 올랐다고 발표했다. 논문은 56B 모델 결과도 싣지만 공개된 것은 7B 모델이며, NVIDIA Open Model License로 상업적 이용이 가능하고 데이터 큐레이션·로봇 계획·영상 분석 에이전트 용도로 소개됐다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	Qwen2.5-VL 기반 이해·계획 (VLM), SFT + 피지컬 AI 강화학습공식
파라미터 (B)	7공식

벤치마크 결과

결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요

벤치마크	세부 조건	점수	평가 구분	결과 날짜
RoboSpatial	RoboSpatial All (RoboBrain 2.0/2.5 보고서 평가)	38.81%	다른 팀 논문 표	2025-07
VSI-Bench	VSI-Bench All (RoboBrain 2.0 보고서 평가)	25.64%	다른 팀 논문 표	2025-07
Where2Place	Where2Place All (RoboBrain 2.0 보고서 평가)	5.51%	다른 팀 논문 표	2025-07

출처 5건

arxiv.org [1][2]
research.nvidia.com [1]
huggingface.co [1]
github.com [1]

한눈에 읽기