A NVIDIA ampliou as ferramentas que dão suporte aos modelos de mundo Cosmos, adicionando projetos para geração de dados, suporte mais abrangente ao treinamento de modelos e variantes de simulação para testar sistemas autônomos. O anúncio de 22 de outubro de 2026 conecta a preparação de conjuntos de dados, a adaptação de modelos e a implantação, com aplicações de clientes relatadas em áreas como desenvolvimento de veículos, inspeção industrial e monitoramento de segurança.
Principais conclusões
- O Cosmos Data Factory agora oferece cinco projetos para preparar e gerar dados de treinamento para IA física.
- O Cosmos Framework amplia as ferramentas de treinamento e otimização para mais modelos abertos, enquanto novas variantes de simulação permitem testar políticas.
- A NVIDIA relata inferência mais rápida em configurações validadas; as economias projetadas pela Porsche no desenvolvimento continuam sendo expectativas, não resultados concluídos.
Índice
- Modelos de mundo Cosmos ganham um conjunto mais amplo de ferramentas de desenvolvimento
- Cinco projetos abordam lacunas nos dados de treinamento
- Variantes de simulação permitem testar antes da implantação
- Aplicações de vídeo ampliam a atualização sobre implantação
- Conclusão
Modelos de mundo Cosmos ganham um conjunto mais amplo de ferramentas de desenvolvimento
A expansão é voltada a desenvolvedores que criam sistemas de IA física capazes de compreender e simular ambientes do mundo real. Em vez de apenas apresentar outro modelo, a NVIDIA está ampliando as ferramentas de apoio usadas para montar dados de treinamento, adaptar modelos, avaliar comportamentos e executar modelos compatíveis.
Na GTC Berlin, a empresa ampliou as ferramentas e receitas de treinamento, otimização e implantação do Cosmos Framework, disponibilizando-as como habilidades de agentes para mais modelos abertos, além do Cosmos 3. Entre as opções compatíveis estão GR00T, Alpamayo, QWEN, Pi0.5 e outros modelos compatíveis do Hugging Face.
Desenvolvedores e agentes podem usar ajuste fino e aprendizado por reforço para adaptar modelos e, em seguida, aplicar destilação e quantização antes da implantação. A NVIDIA descreveu uma aplicação no laboratório de pesquisa em robótica MicroAGI, que fez pós-treinamento do Cosmos 3 com vídeos de pessoas manipulando objetos e destilou seu modelo de raciocínio de 32 bilhões de parâmetros em um modelo Nano de 8 bilhões de parâmetros, supostamente sem perda de precisão.
Cinco projetos abordam lacunas nos dados de treinamento
O Cosmos Data Factory agora disponibiliza cinco projetos nativos da nuvem por meio do GitHub, Microsoft Azure, Nebius e CoreWeave. Eles abrangem conjuntos de dados para veículos autônomos, ampliação de atributos de imagem, vídeos sintéticos de eventos raros ou inseguros, imagens de defeitos para inspeção e alterações nas condições climáticas e de iluminação em imagens existentes, preservando a estrutura da cena.
O Cosmos Curator, ferramenta da plataforma para curadoria de conjuntos de dados de vídeo acelerada por GPU, também passou a oferecer suporte a entradas multimodais e multissensoriais, além de blocos de processamento.
A Porsche está usando o Cosmos Data Factory por meio da Voxel51 no Microsoft Azure para liderar o desenvolvimento de um ciclo de dados compartilhado para veículos autônomos entre as marcas do Volkswagen Group. Segundo a NVIDIA, espera-se que o trabalho reduza em até 90% a repetição de testes físicos de condução e encurte os ciclos de desenvolvimento em até 85%; esses números são benefícios projetados.
Outros exemplos dizem respeito a trabalhos já realizados. A ANYbotics gerou mais de 1.500 clipes de vídeo sintéticos, usando a plataforma da Encord para selecionar dados do mundo real e validar resultados, a fim de treinar robôs de inspeção para reconhecer derramamentos e outras alterações nas instalações. A Ultralytics retreinou seu modelo YOLO com imagens reais e defeitos sintéticos direcionados, aprimorando a localização de defeitos e a revocação, segundo a NVIDIA.
Variantes de simulação permitem testar antes da implantação
Novas variantes de simulação do Cosmos 3 Nano permitem que desenvolvedores testem políticas autônomas em cenários repetíveis e difíceis de registrar, usando múltiplas perspectivas e sensores. O código que acompanha as variantes dá suporte à adaptação dos modelos para treinar e avaliar políticas para veículos autônomos e robôs bimanuais em simulações interativas, antes dos testes no mundo real.
Para implantação, os serviços de microsserviços NIM atualizados do Cosmos 3 oferecem até o dobro da velocidade de inferência sem perda de qualidade em configurações validadas, informou a NVIDIA. A empresa também relatou que a análise contínua de vídeo permite emitir alertas em menos de um segundo.
Aplicações de vídeo ampliam a atualização sobre implantação
A nova versão 3.3 do NVIDIA Metropolis Blueprint para busca e sumarização de vídeos é baseada em microsserviços Cosmos NIM. Segundo a NVIDIA, ela transforma um comando em uma aplicação de IA para vídeo e permite que as equipes monitorem 40% mais fluxos de vídeo com a mesma GPU.
A ADNOC usa a plataforma agêntica MistIQ da Fogsphere, desenvolvida com Cosmos e o Metropolis Blueprint, para detectar riscos à segurança em tempo real em 65 locais. A Fogsphere também usa o Cosmos Data Factory para gerar exemplos de treinamento de eventos raros, aprimorando a detecção sem encenar fisicamente situações perigosas.
Conclusão
A atualização do Cosmos amplia as ferramentas da NVIDIA para desenvolver e testar IA física antes da implantação. Os exemplos de clientes combinam trabalhos concluídos de geração de dados e aplicações de segurança em operação com economias projetadas no desenvolvimento de veículos, enquanto as alegações de desempenho permanecem sujeitas a limites específicos de configuração.
Leia mais notícias
Isenção de responsabilidade
Este artigo da FinanceVelix fornece informações gerais, não aconselhamento financeiro, de investimento, jurídico ou tributário personalizado. Os preços de mercado, as taxas de juros e as condições econômicas podem mudar; investimentos envolvem risco de perda. Os fatos refletem o material disponível no momento da publicação e podem mudar. Verifique informações importantes de forma independente e consulte um profissional qualificado quando necessário. A menção a um ativo, empresa ou serviço não representa um endosso.
