En una guía publicada el 5 de noviembre en Hugging Face, NVIDIA detalla cuatro variantes de Cosmos 3 Nano para generar datos de conducción y simular la respuesta visual de un entorno a las acciones de un robot. Su blog técnico del 2 de noviembre ya describía los pesos como disponibles. [1]
Qué cambia
Transfer-Auto permite variar el tiempo atmosférico, la luz y la hora del día en escenas de conducción sintéticas. Sim-Auto genera observaciones sincronizadas de cámara y lidar en segmentos sucesivos, que pueden responder a nuevas instrucciones de conducción cuando se integra con un simulador. [1]
Contexto
Para robótica, Sim-Transfer genera imágenes a partir de controles espaciales como mapas de profundidad o segmentación, mientras el simulador conserva el estado físico. Sim-Bimanual predice la siguiente observación visual a partir de acciones de un robot de dos brazos o de movimientos de cámara. [1]
Alcance y disponibilidad
NVIDIA cifra en 16.000 millones los parámetros entrenables de cada variante y distribuye los pesos bajo OpenMDW 1.1. La configuración de Sim-Bimanual con vLLM-Omni se probó en una GB200. Esa prueba describe un equipo concreto y deja por determinar la memoria mínima para otros entornos. [1] [2]
Qué comprobar en la práctica
Si quieres comparar variantes para robótica, usa la misma secuencia de acciones y anota cuándo la salida deja de representar el movimiento esperado. Registra también el equipo, el tiempo de ejecución y la memoria. Los pesos publicados permiten plantear esa prueba. El ejemplo en GB200 no establece qué otros equipos podrán ejecutarla.