NVIDIA abre cuatro simuladores del mundo. La entrada exige un modelo 16B y un hardware formidable

NVIDIA ha ampliado Cosmos 3 con cuatro checkpoints open-weight para simular de forma interactiva robots y vehículos autónomos. Todos parten de Cosmos3-Nano, con 16.000 millones de parámetros entrenables, y se publican bajo OpenMDW 1.1 para usos comerciales y no comerciales sujetos a sus condiciones.

Cuatro checkpoints reparten la simulación entre carretera, sensores y brazos robóticos

Transfer-Auto genera hasta 11 vistas de cámara sincronizadas y puede combinarlas con LiDAR. Sim-Auto produce fragmentos sucesivos de vídeo y LiDAR cuando cambian los controles de conducción. Sim-Transfer convierte profundidad, segmentación, bordes o imágenes borrosas del simulador en vídeo RGB. Sim-Bimanual predice la siguiente observación a partir de acciones de un robot de dos brazos o de la cámara.

Los modelos no crean por sí solos un simulador completo. La conducción en bucle cerrado necesita un runtime y un renderer que actualicen los controles espaciales tras cada acción. En Sim-Transfer, un simulador convencional sigue calculando la física y el estado real, mientras el modelo aporta la imagen.

Los pesos abiertos ofrecen una base común para los datos de cada equipo

El valor práctico está en las recetas de post-training. Un fabricante puede adaptar el modelo a sus cámaras, LiDAR y entorno en vez de construir un generador desde cero. Los fragmentos cortos también permiten que las nuevas acciones afecten con más frecuencia a la observación siguiente.

Para los desarrolladores es, ante todo, infraestructura para datos sintéticos y pruebas de policy. Puede ampliar la cobertura de clima, iluminación y tráfico que resulta cara o peligrosa de captar en el mundo real.

Un modelo open-weight no crea un mundo barato ni fiel

Los requisitos publicados incluyen Linux, una GPU NVIDIA, Docker y NVIDIA Container Toolkit. La configuración vLLM-Omni se probó en un GB200, y NVIDIA aclara que no es una especificación mínima de memoria. Es una ruta de reproducción, no una promesa de operación asequible.

NVIDIA también advierte de inconsistencias temporales, objetos que cambian de forma y dinámicas inverosímiles en resultados largos o físicamente complejos. Una ejecución corta confirma que la pipeline funciona. No demuestra que pueda sustituir con seguridad las pruebas reales.

El paso de la simulación a la máquina real decidirá su utilidad

Habrá que medir episodios reservados, estabilidad en rollouts largos y comportamiento fuera del dominio de entrenamiento. En conducción autónoma será esencial conservar la geometría entre cámaras y LiDAR.

La señal decisiva llegará con las pruebas sim-to-real. Si una policy entrenada con Cosmos mejora el rendimiento físico usando menos datos reales, los checkpoints tendrán valor. Hasta entonces, el vídeo atractivo seguirá siendo un decorado caro.

El veredicto de Lilith

NVIDIA ha entregado el decorado y las instrucciones para reconstruirlo. Ahora un robot debe cruzar un laboratorio real sin chocar con la pared que el modelo olvidó.