Cosmos bimanual 베이스 검토

TL;DR

공식 bimanual Cosmos는 nvidia/Cosmos3-Nano-Sim-Bimanual(2026-10-20 공개) 하나. 로봇 action을 넣으면 영상을 만드는 시뮬레이터이고 action을 예측하지 않는다.
16B MoT + causal distillation, AgiBot/YAM 그리퍼 양팔 전용. 사람 손·dex hand와 무관.
손 action WAM 베이스는 계획대로 Wan2.2-5B 유지. Sim-Bimanual은 나중에 Sharpa/XHand 정책 평가 시뮬레이터 후보.

16B

파라미터

31.8 GB

가중치

480p·30fps

출력 영상

action 출력

1배경

WAM 베이스로 "Cosmos bimanual"을 추천받아, HF author=nvidia 검색과 모델 카드로 정체와 적합성을 확인했다.

2후보 비교

모델	방향	크기	embodiment	OpenWAM 지원
Cosmos3-Nano-Sim-Bimanual	action·카메라 → 영상	16B	AgiBot, YAM (그리퍼)	없음
Cosmos3-Nano-Policy-DROID	영상+언어 → action+미래 영상	16B	Franka (DROID)	없음
Cosmos3-Edge	범용 base	4B	-	`cosmos3_edge`
Cosmos-Policy-ALOHA-Predict2-2B	영상 → action(+planning)	2B	ALOHA 양팔	Predict2.5 백본만
Wan2.2-TI2V-5B (현재)	영상 생성 base + ActionDiT	5B	-	기본, 스모크 통과

3Takeaway

Sim-Bimanual은 "action → 영상" 역방향 시뮬레이터이고, 스트리밍용으로 distill돼 있어 새 action 헤드를 붙이는 출발점으로 불리하다. 비용은 Wan 5B의 3배다. 우리 WAM(영상 → 미래 영상 + 손 action)의 베이스보다는 정책 평가용 world simulator로 쓰는 편이 맞다.

4Next

베이스는 Wan2.2-5B 유지. Cosmos 계열 비교가 필요하면 OpenWAM의 cosmos3_edge(4B)로 ablation.
Sharpa/XHand 정책 단계에서 Sim-Bimanual을 해당 로봇 데이터로 post-train해 closed-loop 평가에 쓰는 안을 검토.

"Cosmos bimanual" 베이스 후보 검토

TL;DR

1배경

2후보 비교

3Takeaway

4Next