NVIDIA está dando un peso real a su llamado a favor de estándares abiertos en la inteligencia artificial, y su movimiento más reciente muestra hasta qué punto ese impulso ahora se extiende a la robótica, los autos autónomos y la visión por computadora. En julio, el fabricante de chips se unió a más de 200 empresas y organizaciones al firmar una carta abierta titulada «Open Weights and American AI Leadership», argumentando que el liderazgo en IA debe medirse por cuán ampliamente se extienden los sistemas abiertos en todos los sectores, y no por un único modelo insignia. Sobre la base de ese compromiso, NVIDIA ha presentado ahora Cosmos 3, una nueva familia de modelos abiertos de IA física diseñados para ayudar a las máquinas a entender y predecir lo que sucede en el mundo real, no solo describir lo que ve una cámara.
Summary
Puntos clave
- NVIDIA se unió a más de 200 empresas y organizaciones detrás de una carta abierta que impulsa los ecosistemas abiertos de IA.
- NVIDIA Cosmos 3 es un nuevo modelo base de IA física abierta construido sobre una arquitectura de mezcla de transformadores.
- La familia Cosmos 3 abarca tres tamaños: Super (64B), Nano (16B) y Edge (4B), cada uno orientado a diferentes necesidades de implementación.
- Cosmos 3 ocupa el puesto n.º 1 en múltiples benchmarks independientes, incluidos Artificial Analysis, PAIBench, Physics-IQ, RoboLab y VANTAGE-Bench.
- Empresas de robótica, vehículos autónomos e IA de visión, junto con la creciente NVIDIA Cosmos Coalition, ya están construyendo sobre la familia de modelos.
NVIDIA se une al impulso por ecosistemas abiertos de IA física
El acceso abierto a los pesos de los modelos es lo que permite a los desarrolladores realmente construir sobre modelos base en lugar de solo alquilar acceso a ellos. La decisión de NVIDIA de cofirmar la carta «Open Weights and American AI Leadership» refleja un argumento más amplio que está ganando tracción en toda la industria: que lo que permite a cualquiera descargar, examinar, personalizar y ejecutar modelos abiertos en su propia infraestructura es lo que hace posible en primer lugar la adopción generalizada de la IA.
Ese principio importa especialmente en campos donde un único modelo genérico no puede hacer el trabajo. La IA física, la rama de la inteligencia artificial que se ocupa de robots, vehículos autónomos y sistemas de visión que operan en entornos reales, es precisamente ese tipo de campo. Cada implementación es, en la práctica, un problema de especialización, ya que un robot de almacén, un vehículo de reparto y una cámara de fábrica necesitan razonar sobre condiciones físicas completamente diferentes. Los modelos de mundo abiertos dan a los equipos de ingeniería la flexibilidad de adaptar una base compartida a cada uno de esos entornos tan distintos, en lugar de empezar desde cero cada vez.
Qué distingue a la IA física de otros sistemas de IA
La IA física tiene que entender y predecir consecuencias, no solo reconocer apariencias. Esa distinción es la razón de ser de los modelos de mundo: se entrenan para aprender cómo se comportan los entornos físicos, anticipar lo que podría suceder a continuación y determinar qué acciones tienen sentido dada esa predicción.
En la práctica, esto significa que un modelo de mundo puede generar datos con base física sobre cómo se mueven e interactúan los objetos, simular estados futuros de un entorno y ofrecer a los desarrolladores una base que luego pueden ajustar para un robot específico, un coche autónomo o un sistema de visión. En lugar de recopilar cantidades masivas de metraje del mundo real para cada nuevo caso de uso, los equipos pueden apoyarse en la simulación con modelos de mundo para generar datos de entrenamiento sintéticos y probar políticas antes de que nada toque el mundo real. Las bibliotecas Omniverse de NVIDIA, parte de su Agent Toolkit, amplían esto aún más al proporcionar herramientas preconstruidas para crear entornos listos para simulación donde los sistemas de IA física pueden entrenarse, probarse y validarse antes de su implementación en el mundo real.
Dentro de NVIDIA Cosmos 3, el nuevo modelo base abierto de IA física
Cosmos 3 es la respuesta de NVIDIA al problema de fragmentación que durante mucho tiempo ha ralentizado el desarrollo de la IA física. En lugar de mantener modelos separados para la comprensión de escenas, la generación de datos y la predicción de acciones, los desarrolladores ahora pueden confiar en una única familia de modelos abiertos que maneja las tres tareas. NVIDIA describe Cosmos 3 como un modelo base de frontera de IA física abierta omni-modelo construido sobre una arquitectura de mezcla de transformadores, que combina razonamiento visual, generación de mundos y predicción de acciones en un solo sistema.
Esa flexibilidad es el punto central. Los desarrolladores pueden usar Cosmos 3 como un modelo de visión y lenguaje para interpretar una escena, como un simulador de mundos con base física que predice estados futuros y genera datos sintéticos de entrenamiento a gran escala, o como la columna vertebral para modelos de acción de mundo especializados construidos para un robot o vehículo en particular.
Variantes de modelo para cada necesidad de implementación
La familia Cosmos 3 viene en tres tamaños, cada uno dirigido a un equilibrio diferente entre capacidad y huella de hardware:
- Cosmos 3 Super (64B) está diseñado para el modelado de mundos de alta fidelidad.
- Cosmos 3 Nano (16B) está ajustado para un razonamiento eficiente y post-entrenamiento.
- Cosmos 3 Edge (4B) está diseñado para razonamiento visual en el dispositivo y despliegue de políticas de robots.
Cosmos 3 Edge es lo suficientemente ligero como para ejecutarse en GPUs de borde, y NVIDIA afirma que puede implementarse en GPUs NVIDIA RTX, sistemas NVIDIA DGX y hardware NVIDIA Jetson, incluida la plataforma Jetson Thor. Ese rango es importante para las empresas que necesitan ejecutar la inferencia directamente en un robot o vehículo en lugar de enrutar todo a través de un centro de datos.
Liderazgo en benchmarks a través de tareas
En evaluaciones de benchmarks independientes, Cosmos 3 ocupa actualmente el puesto n.º 1 en Artificial Analysis para generación de texto a imagen e imagen a video con pesos abiertos, en PAIBench para la generación de mundos, y en la categoría de imagen a video de Physics-IQ. Para las tareas de políticas de robots específicamente, encabeza el benchmark RoboLab. Cosmos 3 Super también es el modelo abierto mejor clasificado en VANTAGE-Bench para comprensión de visión, según NVIDIA.
Estas clasificaciones posicionan a Cosmos 3 como un auténtico punto de referencia para cualquiera que construya modelos abiertos de IA física, en lugar de un lanzamiento de investigación de nicho. La pila más amplia de IA física de NVIDIA se completa con Isaac GR00T para robótica, Alpamayo para vehículos autónomos y Metropolis para IA de visión, lo que significa que Cosmos 3 no opera de forma aislada, sino que alimenta un conjunto más amplio de herramientas ya adaptadas a industrias específicas.
Adopción en la industria y la NVIDIA Cosmos Coalition
Empresas de robótica, vehículos autónomos e IA de visión ya están construyendo sobre NVIDIA Cosmos, lo que sugiere que la familia de modelos está pasando de una etapa de demostración a integrarse en flujos de desarrollo activos. En robótica, Doosan Robotics, LG Electronics, Samsung Electronics y Skild AI se encuentran entre los nombres que NVIDIA menciona como adoptantes. En vehículos autónomos, Li Auto, Xiaomi y Afari están trabajando con la plataforma. Para aplicaciones de IA de visión que impulsan la monitorización industrial y los sistemas de espacios inteligentes, Centific, Fogsphere, Linker Vision, Milestone Systems y Yuan aparecen como desarrolladores que construyen sobre Cosmos.
¿Por qué importa esa presencia en tres industrias tan diferentes? Es una señal de que un único modelo base abierto puede servir genuinamente como infraestructura compartida en lugar de algo que solo funciona para un caso de uso estrecho, que es precisamente el argumento que NVIDIA y sus cofirmantes plantearon en la carta abierta a principios de este año.
La NVIDIA Cosmos Coalition es el mecanismo destinado a mantener ese impulso. Reúne a constructores de modelos de mundo, desarrolladores de IA y líderes de la IA física para que aporten modelos, investigaciones y metodologías de evaluación de vuelta al ecosistema abierto. NVIDIA amplió recientemente la coalición a Japón, donde líderes en robótica y manufactura tienen la intención de unirse y desarrollar modelos de mundo abiertos adaptados a fábricas, logística, agricultura, construcción, atención sanitaria y transporte. Combinada con la adopción en la industria que ya está en marcha, esa expansión indica que una familia de modelos abiertos se está convirtiendo en una base compartida para la IA física en lugar de una apuesta propietaria de una sola empresa.
FAQ
¿Qué son los modelos de mundo abiertos y por qué son importantes?
Los modelos de mundo abiertos pueden descargarse, inspeccionarse, modificarse y ejecutarse en cualquier infraestructura, lo que da a los desarrolladores la personalización necesaria para especializar aplicaciones de IA física para un robot, vehículo o sistema de visión específico.
¿Qué distingue a la IA física de otros tipos de IA?
La IA física requiere entender y predecir consecuencias en entornos físicos reales, no solo interpretar apariencias como hace un modelo de visión típico.
¿Cuáles son las diferentes variantes de NVIDIA Cosmos 3 y sus usos?
Cosmos 3 Super (64B) está diseñado para el modelado de mundos de alta fidelidad, Cosmos 3 Nano (16B) está pensado para un razonamiento eficiente y post-entrenamiento, y Cosmos 3 Edge (4B) está destinado a implementaciones ligeras en GPUs de borde, incluidos robots que ejecutan hardware Jetson Thor.
¿Cómo está apoyando la NVIDIA Cosmos Coalition el desarrollo de la IA física?
Fomenta la colaboración entre constructores de modelos de mundo y desarrolladores de IA a nivel global, y recientemente se ha ampliado para incluir a líderes en robótica y manufactura en Japón, que planean desarrollar modelos de mundo abiertos para sectores que van desde la logística hasta la atención sanitaria.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»¿Qué son los modelos de mundo abiertos y por qué son importantes?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Los modelos de mundo abiertos pueden descargarse, inspeccionarse, modificarse y ejecutarse en cualquier infraestructura, lo que da a los desarrolladores la personalización necesaria para especializar aplicaciones de IA física para un robot, vehículo o sistema de visión específico.»}},{«@type»:»Question»,»name»:»¿Qué distingue a la IA física de otros tipos de IA?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»La IA física requiere entender y predecir consecuencias en entornos físicos reales, no solo interpretar apariencias como hace un modelo de visión típico.»}},{«@type»:»Question»,»name»:»¿Cuáles son las diferentes variantes de NVIDIA Cosmos 3 y sus usos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Cosmos 3 Super (64B) está diseñado para el modelado de mundos de alta fidelidad, Cosmos 3 Nano (16B) está pensado para un razonamiento eficiente y post-entrenamiento, y Cosmos 3 Edge (4B) está destinado a implementaciones ligeras en GPUs de borde, incluidos robots que ejecutan hardware Jetson Thor.»}},{«@type»:»Question»,»name»:»¿Cómo está apoyando la NVIDIA Cosmos Coalition el desarrollo de la IA física?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Fomenta la colaboración entre constructores de modelos de mundo y desarrolladores de IA a nivel global, y recientemente se ha ampliado para incluir a líderes en robótica y manufactura en Japón, que planean desarrollar modelos de mundo abiertos para sectores que van desde la logística hasta la atención sanitaria.»}}]}
Artículo producido con la ayuda de inteligencia artificial y revisado por el equipo editorial.
