NVIDIA ha ampliado las herramientas que rodean a los modelos de mundo Cosmos, con la incorporación de esquemas para generar datos, un mayor soporte para el entrenamiento de modelos y variantes de simulación destinadas a probar sistemas autónomos. El anuncio del 22 de octubre de 2026 conecta la preparación de conjuntos de datos, la adaptación de modelos y su implementación, con aplicaciones de clientes que, según se ha informado, abarcan el desarrollo de vehículos, la inspección industrial y la supervisión de la seguridad.
Conclusiones clave
- Cosmos Data Factory ofrece ahora cinco esquemas para preparar y generar datos de entrenamiento para IA física.
- Cosmos Framework amplía las herramientas de entrenamiento y optimización a más modelos abiertos, mientras que las nuevas variantes de simulación permiten probar políticas.
- NVIDIA informa de una inferencia más rápida en configuraciones validadas; los ahorros previstos por Porsche en desarrollo siguen siendo expectativas, no resultados alcanzados.
Tabla de contenidos
- Los modelos de mundo Cosmos incorporan un conjunto más amplio de herramientas de desarrollo
- Cinco esquemas abordan las carencias de los datos de entrenamiento
- Las variantes de simulación permiten realizar pruebas antes de la implementación
- Las aplicaciones de vídeo amplían la actualización de implementación
- Conclusión
Los modelos de mundo Cosmos incorporan un conjunto más amplio de herramientas de desarrollo
La ampliación está dirigida a desarrolladores que crean sistemas de IA física capaces de comprender y simular entornos reales. En lugar de presentar únicamente otro modelo, NVIDIA amplía las herramientas complementarias que se utilizan para reunir datos de entrenamiento, adaptar modelos, evaluar comportamientos y ejecutar modelos compatibles.
En GTC Berlín, la compañía amplió a más modelos abiertos las herramientas y recetas de entrenamiento, optimización e implementación de Cosmos Framework, así como las habilidades de agentes, junto con Cosmos 3. Entre las opciones compatibles figuran GR00T, Alpamayo, QWEN, Pi0.5 y otros modelos compatibles de Hugging Face.
Los desarrolladores y los agentes pueden utilizar el ajuste fino y el aprendizaje por refuerzo para adaptar modelos y, después, aplicar destilación y cuantización antes de implementarlos. NVIDIA describió una aplicación en el laboratorio de investigación en robótica MicroAGI, que realizó un postentrenamiento de Cosmos 3 con vídeos de personas manipulando objetos y destiló su razonador de 32.000 millones de parámetros en un modelo Nano de 8.000 millones de parámetros, supuestamente sin perder precisión.
Cinco esquemas abordan las carencias de los datos de entrenamiento
Cosmos Data Factory ofrece ahora cinco esquemas nativos de la nube a través de GitHub, Microsoft Azure, Nebius y CoreWeave. Abarcan conjuntos de datos para vehículos autónomos, aumento de atributos de imágenes, vídeos sintéticos de sucesos infrecuentes o peligrosos, imágenes de defectos para inspección y modificaciones de las condiciones meteorológicas y de iluminación en grabaciones existentes, preservando la estructura de la escena.
Cosmos Curator, la herramienta de la plataforma acelerada por GPU para seleccionar y organizar conjuntos de datos de vídeo, también ha añadido compatibilidad con entradas multimodales y multisensoriales, así como con bloques de procesamiento.
Porsche utiliza Cosmos Data Factory a través de Voxel51 en Microsoft Azure para liderar el desarrollo de un ciclo de datos compartido para vehículos autónomos entre las marcas de Volkswagen Group. NVIDIA señaló que se espera que este trabajo reduzca hasta un 90% las pruebas de conducción físicas repetidas y acorte hasta un 85% los ciclos de desarrollo; esas cifras son beneficios previstos.
Otros ejemplos se refieren a trabajos ya realizados. ANYbotics generó más de 1.500 clips de vídeo sintéticos, utilizando la plataforma de Encord para seleccionar y organizar datos del mundo real y validar los resultados, con el fin de entrenar robots de inspección para reconocer derrames y otros cambios en las instalaciones. Ultralytics volvió a entrenar su modelo YOLO con imágenes reales y defectos sintéticos específicos, lo que mejoró la localización y la recuperación de defectos, según NVIDIA.
Las variantes de simulación permiten realizar pruebas antes de la implementación
Las nuevas variantes de simulación Cosmos 3 Nano permiten a los desarrolladores probar políticas autónomas en escenarios reproducibles difíciles de capturar, utilizando múltiples vistas y sensores. El código complementario permite adaptar los modelos para entrenar y evaluar políticas para vehículos autónomos y robots bimanuales en simulaciones interactivas antes de realizar pruebas en el mundo real.
Para la implementación, los microservicios Cosmos 3 NIM actualizados ofrecen hasta el doble de velocidad de inferencia sin pérdida de calidad en configuraciones validadas, según NVIDIA. La compañía también informó de que el análisis continuo de vídeo permite emitir alertas en menos de un segundo.
Las aplicaciones de vídeo amplían la actualización de implementación
La nueva versión 3.3 del esquema de NVIDIA Metropolis para buscar y resumir vídeos está basada en microservicios Cosmos NIM. NVIDIA afirmó que convierte una instrucción en una aplicación de IA para vídeo y permite a los equipos supervisar un 40% más de flujos de vídeo con la misma GPU.
ADNOC utiliza la plataforma agentiva MistIQ de Fogsphere, desarrollada con Cosmos y el esquema Metropolis, para detectar riesgos de seguridad en tiempo real en 65 emplazamientos. Fogsphere también utiliza Cosmos Data Factory para generar ejemplos de entrenamiento de sucesos infrecuentes, lo que mejora la detección sin tener que escenificar físicamente situaciones peligrosas.
Conclusión
La actualización de Cosmos amplía las herramientas de NVIDIA para desarrollar y probar IA física antes de su implementación. Los ejemplos de clientes combinan trabajos de generación de datos ya completados y aplicaciones activas de seguridad con ahorros previstos en el desarrollo de vehículos, mientras que las afirmaciones de rendimiento siguen sujetas a límites específicos de cada configuración.
Leer más noticias
Aviso legal
Este artículo de FinanceVelix ofrece información general, no asesoramiento financiero, de inversión, jurídico ni fiscal personalizado. Los precios de mercado, los tipos de interés y las condiciones económicas pueden cambiar; las inversiones conllevan riesgo de pérdida. Los datos reflejan la información disponible en el momento de la publicación y pueden cambiar. Verifique de forma independiente la información importante y consulte a un profesional cualificado cuando sea necesario. La mención de un activo, una empresa o un servicio no constituye una recomendación.
