En resumen
- Cosmos Data Factory ofrece cinco diseños de flujos de trabajo nativos de la nube.
- Cosmos Curator permite procesar entradas multimodales y multisensoriales.
- Cosmos Framework incluye herramientas de ajuste fino, aprendizaje por refuerzo y optimización de modelos.
- Las variantes Cosmos 3 Nano están pensadas para probar en simulación políticas de vehículos autónomos y robots de doble brazo.
NVIDIA amplió la plataforma Cosmos con nuevas herramientas de preparación de datos, entrenamiento y simulación para los equipos que desarrollan modelos del mundo. La compañía publicó el anuncio en su blog el 22 de octubre; parte de las actualizaciones se presentó en el marco de los anuncios de GTC Berlin. Según NVIDIA, Cosmos reúne herramientas de datos, modelos y optimización para que los sistemas de IA física comprendan y simulen el mundo real.
Cinco diseños de flujos de trabajo para la preparación de datos
Cosmos Data Factory se centra en escalar los procesos de etiquetado, organización, diversificación y evaluación de datos. Cosmos Curator, que organiza con GPU conjuntos de datos de video para entrenamiento, también admite nuevos bloques para procesar entradas multimodales y multisensoriales.
Data Factory incluye cinco blueprints nativos de la nube disponibles a través de GitHub, Microsoft Azure, Nebius y CoreWeave. Estos flujos de trabajo listos para usar están orientados a distintas necesidades de preparación de datos:
En proyectos de vehículos autónomos, se organizan y etiquetan registros de conducción, y se pueden generar muestras adicionales de situaciones poco frecuentes o difíciles de registrar.
El flujo de aumento de atributos visuales modifica la apariencia de los objetos para crear contenido más diverso destinado a la búsqueda visual.
El blueprint de video de eventos crea, a partir de imágenes individuales, muestras en movimiento que muestran situaciones poco frecuentes o relacionadas con riesgos de seguridad.
La generación de imágenes de defectos busca crear datos de inspección sobre fallas en placas de circuitos, metal y vidrio.
El flujo de aumento de video cambia las condiciones meteorológicas y de iluminación de las imágenes, a la vez que conserva la composición general de la escena.
Según NVIDIA, Porsche utiliza Cosmos Data Factory a través de Voxel51 y Microsoft Azure para desarrollar un ciclo de datos compartido de vehículos autónomos entre las marcas del Grupo Volkswagen. La compañía señala que se espera que este enfoque reduzca hasta un 90 % las pruebas de conducción físicas repetidas y hasta un 85 % los tiempos de desarrollo. Estos porcentajes son estimaciones compartidas por NVIDIA; el anuncio no los presenta como mediciones independientes.
Entrenamiento y optimización de modelos
Cosmos Framework se describe como una estructura abierta y modular para el entrenamiento y la optimización de modelos. NVIDIA afirma que los desarrolladores pueden adaptar modelos abiertos como GR00T, Alpamayo, QWEN y Pi0.5 mediante ajuste fino o aprendizaje por refuerzo. También es posible trabajar con modelos compatibles de Hugging Face. Después del entrenamiento, los modelos se pueden optimizar mediante destilación y cuantización para prepararlos para su despliegue.
En el ejemplo de MicroAGI presentado en el anuncio, Cosmos 3 se volvió a entrenar con videos que muestran cómo las personas interactúan con objetos. Después, un modelo de razonamiento de 32.000 millones de parámetros se destiló en el modelo Nano de 8.000 millones de parámetros, sin pérdida de precisión, según se indicó. Este resultado corresponde a una aplicación concreta compartida por la compañía y no demuestra que se obtenga el mismo resultado con otros modelos o tareas.
Efectos en los flujos de trabajo de simulación y diseño
Las nuevas variantes de simulación de Cosmos 3 Nano están destinadas a probar políticas desarrolladas para vehículos autónomos y robots de doble brazo en escenarios repetibles, multiángulo y multisensoriales. NVIDIA también informa que los microservicios Cosmos 3 NIM, en configuraciones validadas, ofrecen una inferencia hasta dos veces más rápida sin pérdida de calidad. Según la compañía, Metropolis Blueprint 3.3, para buscar y resumir videos, ayuda a supervisar un 40 % más de flujos de video con la misma GPU.
Para los equipos de arquitectura y diseño de interiores, el anuncio no introduce una nueva función de modelado o visualización. Sin embargo, la generación de datos sintéticos de defectos o eventos podría evaluarse en proyectos que trabajan con datos de entornos físicos, como la inspección de edificios e instalaciones. El anuncio no especifica integraciones con software concretos ni requisitos de hardware para artistas de archviz. Por eso, antes de adoptar un flujo de trabajo, conviene verificar la compatibilidad con las herramientas utilizadas, las necesidades de GPU y las condiciones de acceso a los servicios correspondientes.
Fuentes
1 fuenteNo republicamos los textos de las fuentes; las citas breves van marcadas y el resto es resumen y comentario propios.
El valor práctico de la actualización de Cosmos está en reunir la generación de datos sintéticos con herramientas de entrenamiento y simulación en una misma plataforma. Los equipos que trabajan con escenarios poco frecuentes o peligrosos sin recrearlos físicamente pueden evaluar este enfoque. Sin embargo, no puede considerarse una herramienta de producción directa para estudios de arquitectura y archviz: el anuncio no detalla integraciones con programas de diseño de uso extendido.
Antes de tomar una decisión, los equipos en Turquía deberían aclarar las condiciones de acceso a la nube, los requisitos de GPU, la organización actual de los datos y las condiciones de licencia. Los porcentajes de rendimiento publicados se basan en las declaraciones de NVIDIA y no deberían incluirse en los cálculos de inversión sin validarlos en las condiciones de cada proyecto. Los usos orientados a la inspección de instalaciones y la robótica parecen más concretos.
Preguntas frecuentes
¿Qué diseños de flujos de trabajo ofrece Cosmos Data Factory?
Los cinco blueprints están orientados a datos de vehículos autónomos, aumento de atributos visuales, videos de eventos, imágenes de defectos y aumento de datos de video.
¿Qué modelos se pueden adaptar con Cosmos Framework?
NVIDIA indica que, además de GR00T, Alpamayo, QWEN y Pi0.5, también se pueden adaptar modelos compatibles de Hugging Face mediante ajuste fino y aprendizaje por refuerzo.
¿Para qué se utilizará Cosmos 3 Nano?
Las nuevas variantes están destinadas a probar políticas de vehículos autónomos y robots de doble brazo en escenarios de simulación repetibles, multiángulo y multisensoriales.
