Los modelos NVIDIA Cosmos 3 llegan a Amazon SageMaker JumpStart, ampliando la disponibilidad de su avanzado portafolio de inteligencia artificial con modelos de mundo omnimodales de frontera abiertos. Los clientes de AWS ahora pueden acceder a tres modelos fundamentales especializados diseñados explícitamente para el desarrollo de IA física, lo que permite a los ingenieros construir robots sofisticados, vehículos autónomos y sistemas de visión por IA capaces de percibir, razonar, planificar y actuar dentro de entornos físicos.
Implementación de IA física de frontera a través de AWS
La integración en Amazon SageMaker JumpStart proporciona a los desarrolladores e investigadores empresariales un acceso optimizado para la implementación de modelos de vanguardia. En lugar de gestionar complejas configuraciones de infraestructura subyacente, los equipos de ingeniería pueden implementar cualquiera de los tres modelos con solo unos pocos clics a través de la consola de SageMaker o de forma programática utilizando el SDK de SageMaker para Python dentro de sus cuentas de AWS designadas.
Estos modelos cierran la brecha crítica entre la inteligencia digital y la ejecución física, abordando una amplia gama de desafíos industriales que exigen razonamiento físico en tiempo real, percepción espacial y simulación de entornos de alta fidelidad. Cada modelo de la línea Cosmos 3 se dirige a restricciones operativas distintas, escalando desde sistemas integrados con recursos limitados hasta canalizaciones de simulación masivas basadas en la nube.
Especificaciones del portafolio de modelos Cosmos 3
El conjunto de modelos recién disponible consta de tres variantes distintas adaptadas a rangos de rendimiento específicos y requisitos de carga de trabajo:
- Cosmos3-Edge: Diseñado explícitamente para el control de robots en el dispositivo y razonamiento visual en tiempo real en hardware de borde especializado. Este omnimodelo de 4B de parámetros integra un razonador basado en Nemotron de 2B que opera a una resolución de control de robots (640×360). Ofrece razonamiento en tiempo real y genera 32 acciones por inferencia a 15 Hz en NVIDIA Jetson Thor, al tiempo que admite transmisiones de video de 256p y 480p de 12 a 30 FPS.
- Cosmos3-Nano: Un modelo omnimodal compacto de 16B de parámetros optimizado para la generación de mundos con conciencia física y un profundo razonamiento físico. Procesa entradas multimodales que combinan texto, imágenes, video, audio y trayectorias de acción para producir salidas sincronizadas, lo que permite a los agentes utilizar conocimiento previo, sentido común e intuición física. Admite un razonamiento avanzado de cadena de pensamiento sobre texto, imágenes y video a resoluciones de hasta 720p.
- Cosmos3-Super: El modelo principal de la familia, que ofrece la generación y simulación de mundos de la más alta fidelidad con 64B de parámetros. Utilizando una arquitectura unificada de Mezcla de Transformers, procesa y genera conjuntamente lenguaje, imágenes, video, audio y secuencias de acciones en múltiples relaciones de aspecto de hasta una resolución de 720p, lo que lo hace ideal para la simulación a gran escala, la generación de datos sintéticos y los flujos de trabajo de aprendizaje de políticas.
Los profesionales que busquen integrar estas capacidades pueden consultar la documentación completa disponible a través del catálogo de modelos de Amazon SageMaker JumpStart para configurar eficazmente sus canalizaciones de implementación.
Fuente: Artículo original
