En el dinámico mundo de la inteligencia artificial aplicada a la robótica, NVIDIA presenta sus actualizaciones más recientes de los modelos Cosmos Predict 2.5 y Cosmos Transfer 2.5. Ambas soluciones, integradas en la plataforma Omniverse y el ecosistema Isaac, están diseñadas para generar datos sintéticos físicamente plausibles a gran escala, cerrando la brecha entre la simulación y el mundo real.
La creación de entornos de entrenamiento para IA en aplicaciones del mundo real —como robots, vehículos autónomos y drones— presenta desafíos significativos. Obtener datos en escenarios reales es un proceso costoso, lento y a menudo riesgoso. Con la actualización de sus Open World Foundation Models (WFMs), NVIDIA busca superar estas limitaciones. Estos modelos permiten generar mundos virtuales variados y precisos, ideales para probar y validar modelos de IA física en situaciones que serían virtualmente imposibles de replicar en entornos reales.
Cosmos Predict 2.5 permite la creación de mundos en video a partir de texto, imágenes o videos, proporcionando salidas multicámara consistentes. Esto es crucial para alimentar pipelines de percepción y planificación, ofreciendo escenas detalladas desde múltiples perspectivas. Por su parte, Cosmos Transfer 2.5 se centra en la transferencia de estilo espacial de mundo a mundo, aumentando la variabilidad de los datasets al modificar condiciones de clima, iluminación y terreno de manera coherente en todas las cámaras.
Ambos modelos se integran en pipelines de datos sintéticos con NVIDIA Omniverse e Isaac Sim, acelerando el tránsito de la simulación al entorno real con vídeos fotorrealistas y anotaciones consistentes. Este enfoque estratégico se refuerza con el uso de OpenUSD, un formato estándar que facilita la interoperabilidad de gemelos digitales y datos sintéticos, permitiendo una integración sin fisuras entre diversas herramientas y plataformas.
El poder de los datos sintéticos radica en su capacidad para ofrecer una cobertura amplia de escenarios raros y un control preciso sobre la distribución de las condiciones de entrenamiento. Esto se traduce en una robustez y equilibrio del modelo sin precedentes, permitiendo a los equipos de desarrollo iterar rápidamente y mejorar sus sistemas de IA física de manera eficaz.
Diversas empresas ya están adoptando estas tecnologías. Skild AI, por ejemplo, utiliza Cosmos Transfer para validar políticas robóticas, mientras que Serve Robotics combina datos de campo con Isaac Sim para gestionar una de las flotas autónomas más grandes en espacios públicos. En el ámbito de la minería, el uso de datos sintéticos ha demostrado ser fundamental para mejorar la detección de grandes rocas y evitar interrupciones costosas.
En última instancia, el valor del dato sintético en la IA física es innegable. Permite cubrir con seguridad escenarios extremos sin riesgos, ofrecer etiquetas de datos que son caras o imposibles de obtener en entornos reales, y mejorar el proceso de entrenamiento y validación de modelos. Al integrar estas capacidades en plataformas como Omniverse y utilizando estándares como OpenUSD, NVIDIA fortalece su posición como líder en el desarrollo de soluciones robustas y efectivas para la inteligencia artificial en la industria.
