NVIDIA amplía la plataforma Cosmos con nuevas herramientas de entrenamiento e implementación de modelos de mundo

NVIDIA amplía Cosmos con nuevas herramientas de datos, entrenamiento e implementación

NVIDIA incorporó nuevas herramientas de entrenamiento, checkpoints de simulación y planos de Cosmos Data Factory a su plataforma Cosmos, según informó la compañía, con el objetivo de ayudar a los desarrolladores a construir, evaluar e implementar modelos de mundo para sistemas de IA física. NVIDIA afirma que la plataforma Cosmos se ubica entre los cinco primeros lugares en seis tablas de clasificación de modelos abiertos distintas.

Planos de Cosmos Data Factory

NVIDIA indica que Cosmos Data Factory reúne herramientas para etiquetar, curar, aumentar y evaluar datos a gran escala para el entrenamiento de IA física, y que su herramienta Cosmos Curator ahora admite entradas y bloques de procesamiento multimodales y multisensoriales.

La compañía señala que Cosmos Data Factory ofrece ahora cinco planos nativos de la nube, disponibles a través de GitHub, Microsoft Azure, Nebius y CoreWeave:

• Generación de conjuntos de datos de vehículos autónomos, que cura y etiqueta datos de conducción y añade ejemplos sintéticos de escenarios difíciles de capturar
• Aumento de atributos de imagen, que varía la apariencia de los objetos para mejorar la búsqueda de imágenes
• Generación de video de eventos, que convierte imágenes fijas en videos sintéticos de eventos raros o inseguros
• Generación de imágenes de defectos, que crea imágenes de defectos en placas de circuito impreso, metal y vidrio para modelos de inspección
• Aumento de datos de video, que modifica el clima y la iluminación en grabaciones existentes conservando la estructura de la escena

NVIDIA afirma que Porsche está utilizando Cosmos Data Factory a través de Voxel51 en Microsoft Azure para construir un volante de datos compartido de vehículos autónomos entre las marcas del Grupo Volkswagen, lo que la compañía estima que podría reducir hasta en un 90% las pruebas de manejo físicas repetidas y acortar hasta en un 85% los tiempos de los ciclos de desarrollo. NVIDIA también señala que ANYbotics generó más de 1.500 clips de video sintéticos utilizando los planos, validados con la plataforma de Encord, para entrenar robots de inspección que reconozcan derrames de líquidos, y que Ultralytics reentrenó su modelo YOLO con defectos sintéticos generados a través de Cosmos Data Factory para mejorar la localización y la detección de defectos.

Entrenamiento, adaptación y optimización de modelos

NVIDIA afirma que extendió las herramientas de entrenamiento, optimización e implementación de Cosmos Framework a más modelos abiertos en el GTC de Berlín, junto con un nuevo modelo llamado Cosmos 3. Según la compañía, los desarrolladores ahora pueden adaptar modelos abiertos como GR00T, Alpamayo, QWEN y Pi0.5, así como otros modelos compatibles de Hugging Face, mediante ajuste fino y aprendizaje por refuerzo, y luego optimizarlos con destilación y cuantización antes de su implementación.

NVIDIA indica que el laboratorio de investigación en robótica MicroAGI realizó un entrenamiento posterior de Cosmos 3 con videos de personas manipulando objetos y destiló su razonador de 32.000 millones de parámetros en un modelo Nano de 8.000 millones de parámetros sin pérdida de precisión. La compañía también señala que los desarrolladores pueden etiquetar datos y realizar entrenamiento posterior de Cosmos 3 en Roboflow, para luego implementar los modelos resultantes en GPU de NVIDIA alojadas por Roboflow o en instalaciones propias.

Prueba de políticas y ejecución más rápida de los modelos

NVIDIA afirma que las nuevas variantes del modelo Cosmos 3 Nano para simulación permiten a los desarrolladores probar políticas autónomas en escenarios repetibles, con múltiples vistas y sensores, antes de las pruebas en el mundo real. La compañía señala que los microservicios Cosmos 3 NIM actualizados ofrecen una inferencia hasta 2 veces más rápida sin pérdida de calidad en configuraciones validadas, y que el análisis continuo de video basado en estos microservicios permite alertas en menos de un segundo.

NVIDIA afirma que su Metropolis Blueprint para búsqueda y resumen de video, versión 3.3, está construido sobre microservicios Cosmos NIM y ayuda a los equipos a monitorear un 40% más de transmisiones de video con la misma GPU. La compañía señala que ADNOC utiliza la plataforma MistIQ de Fogsphere, construida con Cosmos y el Metropolis VSS Blueprint, para detectar riesgos de seguridad en tiempo real en 65 sitios, y que usa Cosmos Data Factory para generar datos de entrenamiento sintéticos para eventos raros.

Fuente: NVIDIA, "NVIDIA Cosmos Opens New Tools to Train, Evaluate and Deploy World Models", publicado el 21 de octubre de 2026.