NVIDIA amplía la plataforma Cosmos con herramientas avanzadas para crear y desplegar modelos físicos de inteligencia artificial del mundo

Image: NVIDIA · Source

NVIDIA ha mejorado su plataforma Cosmos incorporando nuevas herramientas de entrenamiento, puntos de control en simulación y planos de Cosmos Data Factory para acelerar el desarrollo, evaluación y despliegue de modelos físicos de inteligencia artificial que simulan interacciones del mundo real en múltiples industrias.

NVIDIA ha anunciado mejoras significativas en su plataforma Cosmos orientadas a avanzar en la creación y despliegue de modelos del mundo — sistemas de inteligencia artificial complejos que ayudan a las máquinas a percibir, entender y simular el mundo físico. Estas capacidades son críticas para aplicaciones como vehículos autónomos, robótica e inspección industrial.

En esencia, la plataforma Cosmos ofrece a los desarrolladores de modelos del mundo modelos abiertos de vanguardia, extensos datos de entrenamiento y completos kits de herramientas para optimización y despliegue. NVIDIA informa que los modelos Cosmos se sitúan entre los cinco mejores en seis diferentes tablas de clasificación de modelos abiertos, lo que destaca su rendimiento competitivo.

Una parte vital de la actualización es Cosmos Data Factory, un conjunto de planos nativos en la nube diseñados para construir y enriquecer grandes conjuntos de datos multisensoriales etiquetados, esenciales para entrenar la inteligencia artificial física. Estos planos automatizan tareas como etiquetado, curación, aumento y generación sintética de datos para diversos escenarios. Por ejemplo, planos especializados permiten generar conjuntos de datos para vehículos autónomos con datos de conducción curados y sintéticos, generación de videos de eventos para simular sucesos raros o inseguros, y generación de imágenes de defectos para modelos de inspección de calidad. Soportado en plataformas como GitHub, Microsoft Azure, Nebius y CoreWeave, Cosmos Data Factory acelera los flujos de trabajo de datos mediante habilidades agentivas y aceleración por GPU.

La empresa automotriz Porsche aprovecha Cosmos Data Factory a través de Voxel51 en Microsoft Azure para crear un ecosistema compartido de datos de vehículos autónomos entre las marcas del Grupo Volkswagen. Esta iniciativa busca reducir hasta en un 90% las pruebas físicas repetidas y acortar ciclos de desarrollo hasta un 85%. De forma similar, la empresa de robótica ANYbotics utilizó herramientas Cosmos para generar más de 1,500 clips de video sintéticos para entrenar robots de inspección, y la compañía de visión computacional Ultralytics mejoró su modelo YOLO para detección de defectos usando defectos sintéticos dirigidos.

Además de las herramientas de datos, NVIDIA ha ampliado las capacidades de entrenamiento y despliegue del Cosmos Framework. Los desarrolladores ahora pueden ajustar y optimizar modelos abiertos líderes como GR00T, Alpamayo, QWEN y Pi0.5 mediante técnicas como aprendizaje por refuerzo, destilación y cuantización. Por ejemplo, el laboratorio de investigación en robótica MicroAGI adaptó Cosmos 3 para especializarlo en tareas de manipulación egocéntrica, reduciendo considerablemente el tamaño del modelo sin pérdida de precisión.

La plataforma también incluye mejoras en simulación con variantes del modelo Cosmos 3 Nano, que permiten a los desarrolladores probar políticas autónomas en simulaciones complejas, multivista y multisensor antes del despliegue real. Los microservicios Cosmos 3 NIM de NVIDIA ofrecen hasta 2 veces mayor velocidad de inferencia manteniendo la calidad, soportando análisis de video continuo con alertas en subsegundos. Basándose en estas tecnologías, NVIDIA Metropolis Blueprint 3.3 ofrece capacidades eficientes de búsqueda y resumen de video, ayudando a los equipos a monitorear significativamente más flujos de video por GPU.

El ecosistema soporta un enfoque abierto y modular. Los desarrolladores pueden curar conjuntos de datos con Cosmos Data Factory, entrenar y ajustar modelos con Cosmos Framework, y desplegarlos mediante microservicios escalables. Esta canalización integrada facilita ciclos de iteración eficientes y mayor confianza en el despliegue de sistemas de IA que operan segura y eficazmente en entornos físicos.

Junto con socios como Microsoft Azure y Voxel51, NVIDIA subraya su compromiso de habilitar un proceso de desarrollo de IA orientado a la ingeniería con validación y control repetibles. Como lo demuestra el modelo modular de volante de datos de Porsche, este enfoque colaborativo pero controlado por el fabricante original se espera que acelere el desarrollo de vehículos autónomos y más allá.

Las continuas inversiones de NVIDIA en la plataforma Cosmos reflejan la creciente importancia de la inteligencia artificial física en aplicaciones del mundo real, facilitando que los desarrolladores construyan modelos sofisticados que perciben y actúan en el mundo físico con mejor confiabilidad y eficiencia.