Nvidia Perkenalkan Cosmos 3, AI yang Ajarkan Robot Lewat Simulasi Video

Melatih robot memahami dunia nyata biasanya butuh proses yang melelahkan dan mahal, tapi Nvidia menunjukkan bagaimana simulasi dan video sintetis bisa memangkas waktu itu dari hitungan bulan menjadi hitungan jam saja.

Nvidia memperkenalkan Cosmos 3, model AI generasi terbaru mereka, dalam ajang konferensi grafis komputer SIGGRAPH 2026 yang berlangsung 19 hingga 23 Juli 2026 di Los Angeles. Cosmos 3 disebut sebagai omnimodal world model, sebuah model AI yang membantu sistem Physical AI, seperti robot dan jaringan kamera pengawas, memahami, bernalar, dan memprediksi kondisi lingkungan dunia nyata di sekitarnya.

Cosmos 3 Edge: AI Canggih yang Bisa Berjalan di Perangkat Kecil

Salah satu varian yang diperkenalkan adalah Cosmos 3 Edge, model omnimodel dengan 4 miliar parameter yang dioptimalkan untuk penggunaan memori yang efisien dan throughput tinggi, dirancang khusus agar bisa berjalan pada perangkat edge seperti Nvidia Jetson.

Model semacam ini dirancang untuk membantu sistem seperti robot yang bernavigasi di dalam gudang, atau jaringan kamera yang memantau lantai pabrik, agar bisa memahami apa yang sedang terjadi saat ini, bernalar soal kemungkinan yang akan terjadi selanjutnya, dan bertindak cukup cepat untuk memberikan dampak nyata terhadap situasi tersebut.

Sebelumnya, menghadirkan kemampuan AI kelas frontier pada perangkat edge sering kali berarti harus mengorbankan kapabilitas model demi mencapai efisiensi penerapan. Nvidia mengeklaim Cosmos 3 Edge membantu menghilangkan trade-off tersebut, memungkinkan model yang cukup canggih tetap bisa berjalan efisien pada perangkat dengan sumber daya terbatas.

21 Paper Riset yang Menghubungkan Grafis dan Robotika

Dalam SIGGRAPH 2026, Nvidia turut mempresentasikan total 21 paper riset teknis, melanjutkan tren dari SIGGRAPH 2025 yang sebelumnya menghadirkan lebih dari 12 paper yang menghubungkan neural graphics dan data sintetis dengan simulasi fisika serta pembelajaran penguatan atau reinforcement learning.

Salah satu riset yang menarik perhatian adalah MotionBricks, sebuah model neural tunggal yang mampu menghasilkan gerakan baik untuk karakter dalam game atau animasi di layar, maupun untuk mengendalikan robot humanoid nyata bernama Unitree G1. Temuan ini menunjukkan kemungkinan menarik bahwa data gerakan untuk kebutuhan animasi dan perintah gerakan untuk robotika sebenarnya bisa berbagi aset data dasar yang sama.

Menurut tim peneliti, sistem ini bahkan bisa diterapkan secara zero-shot pada tugas-tugas baru tanpa memerlukan tagging khusus atau pelatihan tambahan. Meski begitu, perlu dicatat bahwa apa yang dipublikasikan saat ini masih berupa pratinjau awal, dan masih diperlukan verifikasi lebih lanjut sebelum benar-benar siap diterapkan secara praktis di lapangan.

Skala Dataset Physical AI Nvidia

Untuk mendukung riset yang lebih luas di bidang ini, Nvidia turut mengembangkan infrastruktur dataset terbuka berskala besar untuk robotika. Nvidia Physical AI Dataset disebut sebagai dataset terbuka terbesar di dunia untuk pengembangan Physical AI, dengan capaian lebih dari 15 juta unduhan. Selain itu, dataset NVIDIA Isaac GR00T X Embodiment Sim juga menjadi salah satu dataset robotika yang paling banyak diunduh oleh komunitas riset di seluruh dunia.

Data Sintetis Percepat Pelatihan Robot Secara Drastis

Untuk menggambarkan seberapa besar dampak pendekatan berbasis simulasi ini, Nvidia sebelumnya membagikan contoh konkret lewat blueprint Isaac GR00T mereka. Dengan hanya beberapa demonstrasi manusia sebagai titik awal, Nvidia berhasil menghasilkan 780 ribu trajektori gerakan sintetis, setara dengan 6.500 jam atau sekitar sembilan bulan data demonstrasi manusia, hanya dalam waktu 11 jam saja.

Yang lebih menarik, ketika data sintetis tersebut dikombinasikan dengan data nyata untuk melatih model robot GR00T N1, performa model tersebut meningkat hingga 40 persen dibanding hanya menggunakan data nyata saja. Pencapaian ini menegaskan potensi besar data sintetis dalam mempercepat proses pengembangan robot, mengingat mengumpulkan dataset ekstensif berkualitas tinggi langsung di dunia nyata selama ini dikenal sebagai proses yang melelahkan, memakan waktu lama, dan sangat mahal biayanya.

Bagian dari Visi Physical AI Nvidia yang Lebih Luas

Rangkaian pengumuman di SIGGRAPH 2026 ini menegaskan fokus berkelanjutan Nvidia pada apa yang mereka sebut sebagai Physical AI, yaitu kecerdasan buatan yang tidak hanya beroperasi di dunia digital, melainkan mampu memahami dan berinteraksi langsung dengan dunia fisik nyata. Dengan menghubungkan tiga lapisan penting, yakni pemahaman lingkungan, simulasi fisika, dan kemampuan skill atau keterampilan, Nvidia tampak berupaya membangun fondasi teknis yang komprehensif bagi masa depan robotika dan sistem otonom, mulai dari robot gudang hingga kendaraan otonom dan berbagai aplikasi industri lainnya.