Cosmos-Transfer1

arXiv 25.3 2025 63.2 method, application

TLDR

Cosmos-Transfer是一种使用多种空间控制实现世界到世界迁移的条件世界生成模型，支持Sim2Real和实时生成。

评分理由

Strengths include a novel adaptive spatial conditioning scheme and demonstrated applications in robotics and autonomous driving, with open-source release. Weaknesses are the lack of detailed evaluation metrics and baselines in the abstract, and limited scope to spatial control inputs.

Read-first 评分解释

综合优先阅读分 63.2，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 39。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、GitHub

主题相关性 42%

55.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：评估

研究版图角色

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：251。

关键词评分

world model

generative world model

world simulator

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

接受多种模态（分割、深度、边缘）空间控制输入的条件世界生成模型
自适应可定制的空间条件方案，允许在不同空间位置对不同条件输入赋予不同权重
支持包括Sim2Real在内的世界到世界迁移用例
在NVIDIA GB200 NVL72机架上实现实时世界生成的推理扩展策略

方法

该模型是一种条件世界生成模型，接受多种空间控制输入（如分割、深度、边缘），并使用自适应空间条件方案，在不同空间位置对不同输入赋予不同权重。模型在物理AI应用（如机器人Sim2Real和自动驾驶数据增强）上进行了评估，并展示了在NVIDIA GB200 NVL72机架上通过推理扩展策略实现实时生成。

关键结果

该模型展示了高度可控的世界生成，并应用于Sim2Real和自动驾驶数据增强。通过推理扩展策略在NVIDIA GB200 NVL72机架上实现了实时世界生成。

资源

论文代码