“Ha llegado el momento ChatGPT para la IA física, cuando las máquinas comienzan a comprender, razonar y actuar en el mundo real”, afirmó Jensen Huang, director ejecutivo de Nvidia, durante la conferencia inaugural de la empresa.
En un comunicadola firma explicó que el desarrollo de la IA física exige grandes volúmenes de datos y modelos avanzados con la capacidad de percibir, razonar y actuar en entornos reales altamente complejos. Nvidia asegura contar con una de las mayores colecciones de datos multimodales abiertas a nivel global, integrada por 10 billones de fichas de entrenamiento de lenguaje500.000 trayectorias robóticas, 455.000 estructuras proteicas y más de 100 terabytes de información proveniente de sensores de vehículos.
“Se trata de una escalada sin precedentes de recursos abiertos y diversos para impulsar la innovación en lenguaje, robótica, investigación científica y vehículos autónomos”, señaló la empresa.
Sobre esta infraestructura, Nvidia presentó Cosmos, una familia de modelos fundamentales del mundo físico compuesta por tres algoritmos principales. Cosmos Reason 2 es un modelo de lenguaje visual (VLA, por sus siglas en inglés) orientado al pensamiento que, de acuerdo con el fabricante, permite a las máquinas y agentes de IA observar, comprender e interactuar con mayor precisión en el entorno físico.
Esta familia se complementa con Cosmos Transfer 2.5 y Cosmos Predict 2.5, diseñados para generar videos y datos sintéticos a gran escala en una amplia variedad de escenarios y condiciones. Estos recursos pueden emplearse para evaluar, dentro de entornos de simulación, políticas robóticas y comportamientos complejos antes de su implementación en el mundo real.
Los modelos Cosmos constituyen la base tecnológica de la propuesta de IA física de Nvidia, la cual se concreta con el lanzamiento de Isaac GR00T N1.6. Este modelo VLA y de razonamiento abierto fue diseñado específicamente para robots humanoides y facilitar el control integral de la máquina, al tiempo que optimiza su capacidad de razonamiento y comprensión contextual.
El ecosistema se refuerza con Nvidia Metropolis, un flujo de trabajo de referencia que permite crear agentes de visión artificial capaces de analizar y procesar grandes volúmenes de vídeo, tanto en tiempo real como grabado, con aplicaciones en seguridad, logística y automatización industrial. Huang subrayó que «estos modelos están abiertos al mundo. Desde ahora, puedes crearlos, evaluarlos, protegerlos e implementarlos».
