Nueva versión del modelo abierto visión-lenguaje-acción de NVIDIA para robots humanoides.
Añade la loco-manipulación de cuerpo completo (moverse y manipular objetos a la vez) y, según NVIDIA, supera a N1.5 en simulación y en robots reales como Unitree G1 y AgiBot Genie-1.
Pesos abiertos en Hugging Face (licencia no comercial de NVIDIA), con versiones ajustadas, y código en GitHub.
3.000 millones de parámetros; base Cosmos-Reason-2B y un transformador de difusión el doble de grande.
