训练数据与来源Cosmos模型物理真实世界数据集的训练基于两大核心数据集9000万亿个标记tokens涵盖文本图像视频等多模态数据物理真实世界数据集，为模型提供丰富的语义和视觉信息2000万小时的真实世界数据包括人机交互环境工业机器人及驾驶场景物理真实世界数据集，确保模型能学习到真实物理世界的动态规律数据来源争议英伟达未公开具体数据来源；一ETOPO概述 ETOPO是一种地形高程数据物理真实世界数据集，由NGDC美国地球物理中心US National Geophysical Data。
引入新概念物理场景图Physical Scene Graphs，PSG这一概念概括物理真实世界数据集了MONetIODINE和3DRelNet的工作思路，力求在几何上处理复杂的物体形状和纹理PSGNet网络架构用于在真实世界的视觉数据中学习，实现自监督，无需大量繁琐的场景组件标记PSGNet的建构特征提取采用ConvRNN从输入中提取特征构建；通过NVIDIA Omniverse及其工具链，研究人员和开发者可高效生成基于物理学的超大合成数据集，加速AI模型训练。
物理D世界仿真实验平台
1、数据集开发GLOBathy使用基于GIS的框架，根据水体的最大深度估计和HydroLAKES水体的几何地球物理属性来。
2、优势数据真实性高，可直接反映物理世界的复杂交互劣势采集成本高场景覆盖有限，难以规模化模拟器批量生成利用UnityGazebo等平台构建可控虚拟环境，快速产出多模态数据图像深度图传感器信号等例如NVIDIA Isaac Sim支持高精度物理模拟与ROS2兼容，适用于机器人操作训练SDF。
3、开发自动化流程生成数据集开发自动化流程将Open XEmbodiment中真实世界数据集的纯文本指令转换为交错图像文本指令，生成第一个包含210k个episodes的大规模真实世界交错具身数据集该数据集生成流水线包含三个主要步骤指令解析使用Qwen25从语言指令中提取关键目标，比基于规则的NLP工具更健。
4、物理领域高阶推理基准缺失，现有数据集如FrontierMath偏重纯数学抽象，难以评估模型连接理论与真实世界建模的能力二数据集核心价值填补STEM高阶推理空白物理情景化引入量子力学统计物理电动力学等核心领域的典型问题，通过情境解析量纲分析合理近似等要求，训练模型“物理直觉”与“工程化。
5、应用场景机器人数据集更注重物理交互和实时性，用于优化机器人在物理世界中的操作能力相比之下，常规。
物理世界是现实世界吗
渲染器生成多模态图像，引擎集成物理模拟与 ROS 接口，资产提供大规模可模拟模型数据集与物理属性PartNet。
