NVIDIA ha presentado Cosmos 3 Edge, un modelo omni compacto de 4 mil millones de parámetros diseñado para llevar capacidades avanzadas de modelos de mundo directamente al hardware de robótica física. Creado para eliminar la latencia y los cuellos de botella informáticos en la inteligencia artificial incorporada, el modelo integra un motor de razonamiento dedicado de 2 mil millones de parámetros basado en NVIDIA Nemotron para procesar la dinámica ambiental y guiar las políticas de acción robótica en tiempo real a nivel local.
El desafío de implementar modelos de mundo en hardware Edge
En la robótica autónoma, operar de manera confiable requiere políticas que se adapten rápidamente a configuraciones de sensores heterogéneas, entornos cambiantes y tareas de manipulación variables. La inteligencia artificial física ha recurrido cada vez más a los modelos de mundo fundamentales, que aprenden la dinámica fundamental de las interacciones físicas y predicen cómo reaccionan los entornos ante las intervenciones físicas.
Sin embargo, los modelos de mundo tradicionales y las redes fundamentales multimodales suelen requerir clústeres de computación masivos, lo que genera graves cuellos de botella para los robots móviles autónomos y los manipuladores robóticos. Depender de una infraestructura de nube remota introduce latencia, dependencia de la red y posibles riesgos de seguridad en entornos dinámicos. Por el contrario, los módulos de computación integrados a bordo enfrentan estrictas limitaciones térmicas, de memoria y de energía, lo que históricamente ha restringido las políticas de control en el dispositivo a arquitecturas más estrechas y menos adaptables.
Dentro de la arquitectura de Cosmos 3 Edge
Cosmos 3 Edge aborda estas restricciones de la computación edge dentro del ecosistema de modelos fundamentales Cosmos 3 de más amplio alcance de NVIDIA. Al comprimir el razonamiento físico y la interacción multimodal en una huella eficiente, el modelo permite la inferencia local sin sacrificar el razonamiento situacional.
La arquitectura del sistema se define por varias características principales:
- Huella de modelo ómni compacta: Cosmos 3 Edge opera como un modelo omni de 4 mil millones de parámetros adaptado para su implementación directamente en módulos informáticos robóticos locales.
- Núcleo de razonamiento integrado: El modelo incorpora un motor de razonamiento de 2 mil millones de parámetros construido sobre NVIDIA Nemotron, lo que permite al sistema evaluar lógicamente las entradas de los sensores y la ejecución de tareas de varios pasos.
- Modelado de interacción física: Funciona como una base integrada para aprender y simular interacciones físicas, prediciendo cambios ambientales en respuesta a las acciones del robot.
- Adaptabilidad post-entrenamiento: La arquitectura admite un post-entrenamiento específico, lo que permite a los desarrolladores y expertos en robótica ajustar el comportamiento de las políticas a conjuntos de sensores específicos, ejecuciones robóticas y dominios operativos.
Post-entrenamiento para el control robótico especializado
Una ventaja central de Cosmos 3 Edge es su capacidad de post-entrenamiento. Si bien los modelos fundamentales preentrenados ofrecen un conocimiento generalizado del mundo físico, las plataformas robóticas individuales requieren una adaptación precisa a su cinemática específica, ángulos de cámara, retroalimentación táctil y herramientas de efecto final.
A través de flujos de trabajo de post-entrenamiento, los desarrolladores pueden especializar las representaciones de políticas del modelo, alineando el sistema de razonamiento basado en Nemotron de 2 mil millones de parámetros con los objetivos de manipulación y navegación posteriores. Este proceso de post-entrenamiento permite a los robots cerrar la brecha entre la comprensión física general y el control de actuadores a nivel de milisegundos, garantizando una ejecución segura y predecible en entornos industriales, comerciales y de investigación.
Avanzando en la IA física autónoma
El lanzamiento de Cosmos 3 Edge marca un paso fundamental para trasladar la IA incorporada de las simulaciones controladas en la nube a una implementación resiliente en el mundo real. Al llevar los modelos de mundo multimodales directamente al hardware integrado, los sistemas robóticos obtienen la autonomía para percibir, razonar y actuar dentro de sus entornos operativos en tiempo real, estableciendo un nuevo referente para la inteligencia robótica accesible en el dispositivo.
Fuente: Artículo original
