NVIDIA Cosmos 3: modelos que razonan y actúan en el mundo físico de los robots

NVIDIA ha presentado en el NVIDIA Developer Blog Cosmos 3, la nueva generación de su plataforma Cosmos: una familia de modelos para la llamada IA física (Physical AI). Estos modelos deben entender cómo funciona el mundo real, predecir cómo evolucionarán los acontecimientos y generar acciones para robots, transporte autónomo y espacios «inteligentes».

Qué es la IA física y por qué necesita estos modelos

A diferencia de los modelos de lenguaje, que trabajan con texto, o de los modelos de visión por computador, que simplemente reconocen objetos en una imagen, la IA física debe resolver un problema más complejo: entender el mundo que la rodea en su dinámica. NVIDIA lo plantea como un proceso de tres pasos. El sistema primero debe averiguar qué ocurre ahora mismo en su entorno físico, después predecir qué es probable que pase a continuación y solo entonces generar la acción correcta o un plan de acciones. Cosmos apunta precisamente a esta cadena «percepción → predicción → acción».

Datos clave de la plataforma:

• Desarrollador: NVIDIA
• Nombre de la generación: Cosmos 3
• Categoría de tareas: modelos de «cimientos del mundo» (world foundation models) para IA física
• Dispositivos objetivo: robots, vehículos autónomos, espacios «inteligentes»
• Fuente del anuncio: NVIDIA Developer Blog

Cómo encaja Cosmos en el ecosistema de la robótica

Para operar de forma segura y útil, a los robots y a los coches autónomos no les basta con «ver» su entorno: necesitan un modelo del mundo que les permita anticipar las consecuencias de sus propias acciones y de las de otros participantes del entorno antes de que el movimiento físico se produzca. Antes, estos modelos se desarrollaban a medida para un hardware y un escenario concretos, lo que los hacía caros y difíciles de trasladar entre distintos tipos de robots. Una plataforma de propósito general como Cosmos, en cambio, aporta una capa base de «comprensión de la física» del mundo.

Sobre ella, los desarrolladores de sistemas robóticos concretos, desde manipuladores industriales hasta robots de servicio, pueden construir sus propios modelos más especializados sin empezar el entrenamiento desde cero cada vez. Este enfoque, un modelo de propósito general como cimiento sobre el que se ajustan después soluciones específicas, ya ha demostrado su eficacia con los modelos de lenguaje y de visión, y NVIDIA, al parecer, apuesta por que la misma lógica funcione con la IA física.

Qué sectores afectará la tecnología

El valor práctico de estos modelos va mucho más allá de la robótica. El transporte autónomo es la segunda categoría en importancia: aquí el sistema necesita predecir con precisión el comportamiento de otros usuarios de la vía con fracciones de segundo de antelación para tomar decisiones seguras en tiempo real. La tercera vía son los espacios «inteligentes»: naves de producción, almacenes y otros entornos equipados con sensores y cámaras, donde la IA física puede coordinar muchos dispositivos a la vez apoyándose en un modelo común de lo que sucede en el recinto.

La llegada de una plataforma así de NVIDIA, uno de los principales proveedores de infraestructura de cómputo para la IA, es una señal de que en 2026 el foco de la industria se desplaza poco a poco de los modelos que trabajan exclusivamente con texto e imágenes hacia modelos que deben actuar en el mundo físico y responder de las consecuencias de sus decisiones.

Para los desarrolladores de sistemas robóticos concretos, el valor práctico de una plataforma así está en acortar el tiempo entre la idea y un prototipo funcional. En lugar de pasar años recopilando y etiquetando su propio conjunto de datos sobre la interacción del robot con el entorno físico, un equipo puede partir de un modelo de «cimientos del mundo» ya entrenado y adaptarlo a una tarea concreta, por ejemplo, a un tipo determinado de manipulador o a un escenario de logística de almacén. Es el camino que hace unos años recorrieron la visión por computador y el procesamiento del lenguaje natural, cuando el paso de entrenar modelos desde cero a ajustar modelos base ya preparados aceleró en un orden de magnitud la llegada de productos aplicados al mercado.

NVIDIA cuenta claramente con repetir ese efecto en los robots y los sistemas autónomos.