Qué pasó
- Nvidia publicó el 5 de noviembre de 2026, en el blog de Hugging Face, cuatro versiones nuevas de pesos abiertos de su familia de modelos de mundo Cosmos 3.
- Cosmos3-Nano-Transfer-Auto genera datos de conducción desde varias vistas con distinto clima, luz y hora del día. Cosmos3-Nano-Sim-Auto transmite observaciones sincronizadas de cámara y lidar para simular conducción.
- Cosmos3-Nano-Sim-Transfer convierte los controles de un simulador y un texto en video fotorrealista. Cosmos3-Nano-Sim-Bimanual predice video a partir de las acciones de un robot o una cámara.
- Las cuatro derivan de Cosmos 3 Nano mediante ajuste posterior y tienen 16.000 millones de parámetros entrenables.
Por qué importa
- Un modelo de mundo sirve para probar qué pasaría si un auto o un robot actúa de cierta manera, sin ponerlo en la calle ni arriesgar equipos.
- En conducción, la apariencia y la geometría deben coincidir. Generar cámara y lidar a la vez conecta lo que se ve con la medición en tres dimensiones.
- Al ser abiertos, estos pesos permiten a laboratorios y empresas adaptar el modelo a sus propios sensores en lugar de partir de cero.
El dato
11 vistas de cámara. Es la cantidad de vistas sincronizadas, incluidas lentes de ojo de pez, que puede generar Cosmos3-Nano-Transfer-Auto, con lidar conjunto opcional y mapas que controlan la estructura de la escena y el movimiento del tráfico.
Contexto
Cosmos3-Nano-Transfer-Auto trabaja sin apuro: sirve para generar datos fuera de línea y variar condiciones ambientales con el fin de ampliar los casos de entrenamiento y evaluación. También es la base para adaptar Cosmos a una configuración propia de cámaras y lidar. Después de ese ajuste, puede pasar por un entrenamiento causal y una destilación a pocos pasos para simular en streaming, que es el camino con que se creó Cosmos3-Nano-Sim-Auto.
La licencia es OpenMDW1.1, que permite uso comercial y no comercial según sus términos. La propia Nvidia advierte que el trabajo pendiente consiste en medir dónde estos modelos sirven de verdad para entrenar y evaluar políticas de control, entender sus límites y mejorarlos donde fallen.
En Mamífero hemos seguido esta línea. Contamos que Corea abrió una fábrica de datos con 12 humanoides y que Mundo convierte unas fotos de una habitación en un mundo explorable. También que Rivian compró Third Dimension para recrear escenas reales de conducción y que Nvidia publicó Nemotron 3.5 Transcribe como modelo abierto.
Qué viene
- Nvidia ofrece recetas de ajuste posterior y un informe técnico para que otros adapten los modelos y comparen métodos.
- La prueba relevante vendrá de quienes los usen: si las simulaciones mejoran o no el desempeño de autos y robots reales.
- Controlar escenas y semáforos permitirá estudiar cómo responde una política de conducción al cambiarlos.
Cierre
Nvidia no entrega aquí un auto ni un robot, sino un lugar donde ensayarlos. Que ese lugar se parezca lo bastante al mundo es la pregunta que la propia empresa deja abierta.
Fuentes
- Nvidia, “New NVIDIA Cosmos 3 Open Models for Interactive World Simulation”, blog de Hugging Face, 5 de noviembre de 2026, enlace.
- Imagen de portada: 9yz, CC BY 4.0, vía Wikimedia Commons
Editado por Rodrigo Cornejo. Quiénes escriben las notas
