NVIDIA amplía Cosmos con nuevas herramientas para el desarrollo de modelos mundiales
NVIDIA ha anunciado que ha ampliado su plataforma Cosmos con nuevas herramientas de entrenamiento, puntos de control de simulación y planos de Cosmos Data Factory con la intención de acelerar el desarrollo de modelos mundiales para sistemas físicos de IA. La compañía afirmó que estas incorporaciones están diseñadas para ayudar a los desarrolladores a crear datos de entrenamiento, adaptar modelos, probar comportamientos y desplegar sistemas con menos pasos manuales.
Evidencia y contexto
En una entrada de blog publicada el 22 de octubre de 2026, NVIDIA afirmó que Cosmos Data Factory ahora incluye cinco planos nativos de la nube para tareas como la generación de conjuntos de datos de vehículos autónomos, aumento de atributos de imagen, generación de vídeo de eventos, generación de imágenes con defectos y aumento de datos de vídeo. La compañía afirmó que las herramientas están disponibles a través de GitHub, Microsoft Azure, Nebius y CoreWeave. NVIDIA también dijo que Cosmos Curator ha añadido soporte para entradas multisensoriales multimodales y bloques de procesamiento.
La empresa citó a varios usuarios tempranos de los planos. NVIDIA dijo que Porsche está utilizando Cosmos Data Factory a través de Voxel51 en Microsoft Azure para construir un volante de inercia de datos de vehículos autónomos compartidos entre las marcas del Grupo Volkswagen, con una reducción esperada en las pruebas físicas repetidas de hasta 90% y en tiempos de ciclo de desarrollo de hasta 85%. NVIDIA afirmó que ANYbotics generó más de 1,500 clips de vídeo sintéticos con planos de Cosmos Data Factory para entrenar robots de inspección industrial, mientras que Ultralytics reentrenó su modelo YOLO con imágenes reales y ejemplos de defectos sintéticos para mejorar la localización y la recuperación de defectos.
NVIDIA también ha afirmado que ha ampliado las herramientas de entrenamiento, optimización y despliegue del Cosmos Framework como habilidades de agente a modelos más abiertos, incluido Cosmos 3, en GTC Berlín. Según la empresa, los desarrolladores pueden afinar y reforzar modelos como GR00T, Alpamayo, QWEN, Pi0.5 y otros modelos compatibles de Hugging Face, y luego aplicar destilación y cuantización antes del despliegue. La compañía afirmó que MicroAGI entrenó Cosmos 3 vídeos de manipulación de objetos humanos y destiló su razonador de 32 mil millones de parámetros en un modelo Nano de 8 mil millones de parámetros sin pérdida de precisión.
Para simulación y evaluación, NVIDIA indicó que las nuevas variantes de Cosmos 3 Nano soportan pruebas repetibles de políticas autónomas en escenarios multivista y multisensor, incluyendo vehículos autónomos y robots bimanuales. También indicó que los microservicios actualizados de Cosmos 3 NIM pueden ofrecer hasta 2x inferencia más rápida sin pérdida de calidad en configuraciones validadas, mientras que el análisis continuo de vídeo permite alertas en menos de segundos. NVIDIA afirmó que su nuevo Metropolis Blueprint para búsqueda y resumen de vídeo 3.3, basado en microservicios Cosmos NIM, puede ayudar a los equipos a monitorizar 40% más flujos de vídeo con la misma GPU.
La empresa presentó Cosmos como una plataforma modular para generar conjuntos de datos de entrenamiento, entrenar y adaptar modelos mundiales, y desplegar modelos soportados a través de microservicios NIM. El material de fondo verificado el 22 de octubre de 2026 sitúa Cosmos dentro de la pila más amplia de IA física de NVIDIA para robots, vehículos autónomos y IA de visión, señalando limitaciones conocidas como inconsistencia temporal, morfología de objetos y dinámicas poco plausibles que requieren validación adicional en usos críticos para la seguridad.