Cosmos 3

NVIDIA Cosmos 3で物理シーンを推論します。

このワークフローブロックは、NVIDIA Cosmos 3 reasoner（物理的なシーン理解向けに調整された世界モデル）を、任意のテキストプロンプト付きの画像に対して実行し、テキストの回答を返します。このモデルは、空間関係、安全性、そしてシーン内で次に何が起こるかに関する質問に適しています。

型識別子

ステップで次の識別子を使用してください "type" フィールド： roboflow_core/cosmos3_edge@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前	型	説明	参照
name	str	このステップの一意の識別子を入力してください。	❌
プロンプト	str	Cosmos 3 Edge に渡す任意のテキストプロンプト。それ以外の場合は、デフォルトのシーン説明プロンプトが使用され、望ましいモデルの動作に影響する場合があります。	✅
model_version	str	推論に使用する Cosmos 3 Edge モデル。	✅
system_prompt	str	Cosmos 3 Edge に追加のコンテキストを提供する任意のシステムプロンプト。	✅

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

ハード - ランタイム self_hosted_cpu；実行 ローカル : GPU が必要です。run_locally() は CUDA を必要とするモデルを読み込みます。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が Cosmos 3 のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • images (image): 推論対象の画像です..

  • プロンプト (string): Cosmos 3 Edge に渡す任意のテキストプロンプト。それ以外の場合は、デフォルトのシーン説明プロンプトが使用され、望ましいモデルの動作に影響する場合があります。

  • model_version (roboflow_model_id): 推論に使用する Cosmos 3 Edge モデル。

  • system_prompt (string): Cosmos 3 Edge に追加のコンテキストを提供する任意のシステムプロンプト。

• 出力

  • 出力 (Union[string, language_model_output])：の文字列値 string または LLM / VLM の出力（条件が language_model_output.

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/cosmos3_edge@v1",
	    "images": "$inputs.image",
	    "prompt": "歩道に障害物はありませんか？",
	    "model_version": "nvidia/cosmos-3-edge",
	    "system_prompt": "あなたは安全検査官です。"
	}