AWS y NVIDIA muestran cómo construir una fábrica de modelos de IA física con Cosmos 3 en SageMaker HyperPod
Hecho Qué ha ocurrido
AWS publica una guía técnica sobre cómo desplegar NVIDIA Cosmos 3, un modelo de mundo omnimodal para IA física (robots y vehículos autónomos), en clústeres persistentes de Amazon SageMaker HyperPod con EKS. El artículo detalla la arquitectura Mixture-of-Transformers de Cosmos 3, su diseño asimétrico entre entrenamiento e inferencia, y un pipeline continuo de generación de datos sintéticos, post-entrenamiento y evaluación en bucle cerrado. Se incluye un caso práctico de post-entrenamiento de una política robótica usando el dataset público DROID, con código disponible en GitHub.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Para empresas que desarrollan robótica o vehículos autónomos, esto ofrece una referencia concreta de infraestructura para acelerar ciclos de entrenamiento y reducir costes de cómputo GPU mediante capacidad compartida y planificación continua. Introduce el concepto de 'GPU goodput' como métrica clave para gestionar el coste de estas fábricas de modelos físicos.
- Quién se ve afectado
- Empresas de robótica, fabricantes de vehículos autónomos, equipos de infraestructura ML e ingenieros de IA física.
- Qué puede cambiar
- Permite consolidar etapas antes separadas (generación de datos sintéticos, post-entrenamiento, evaluación) en un único clúster GPU compartido, reduciendo la necesidad de aprovisionar capacidad independiente por fase.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar la adopción de Cosmos 3 por otros proveedores cloud, la evolución de las licencias OpenMDW, y si aparecen benchmarks comparativos frente a otros enfoques de world models para robótica.
Recomendación Qué debería hacer una empresa
Equipos de robótica o AV que ya usen AWS deberían evaluar en los próximos 6-12 meses el uso de SageMaker HyperPod con Cosmos 3 para pilotos de post-entrenamiento de políticas robóticas.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗world modelsrobóticamultimodalchipsRAG AWSNVIDIA AWS SageMaker HyperPod IA física NVIDIA Cosmos 3 robótica vehículos autónomos
Relacionadas
NVIDIA lanza Cosmos 3, modelo omni para robótica y vehículos autónomos
NVIDIA ha presentado Cosmos 3, un modelo unificado basado en arquitectura Mixture-of-Transformers (MoT) que integra en una única red capacidades de generación…
Por qué importaCosmos 3 simplifica significativamente el desarrollo de sistemas de IA física para robótica, vehículos autónomos y espacios inteligentes al eliminar…
NVIDIA lanza Cosmos 3, modelo foundation para razonamiento y acción de robots y vehículos autónomos
NVIDIA ha presentado Cosmos 3, un modelo foundation multimodal de código abierto diseñado para sistemas de IA física (robots, vehículos autónomos y espacios…
Por qué importaPara empresas de robótica industrial, vehículos autónomos e infraestructuras inteligentes, Cosmos 3 reduce significativamente el coste y tiempo de…
NVIDIA lanza Cosmos 3, familia de modelos abiertos para IA física en robótica y vehículos autónomos
NVIDIA ha presentado Cosmos 3, una familia de modelos abiertos de fundación para IA física disponibles bajo licencia OpenMDW 1.1. La familia incluye tres…
Por qué importaLos modelos abiertos de mundo físico permiten a las empresas especializarlos en sus propios datos y hardware sin depender de proveedores únicos…
AWS muestra cómo entrenar modelos multimodales con SkyRL en SageMaker HyperPod
AWS publica una guía técnica para ejecutar SkyRL, un framework de RL de código abierto, sobre SageMaker HyperPod para post-entrenar un modelo de…
Por qué importaMuestra un patrón reproducible de infraestructura para entrenamiento de RL a gran escala en modelos multimodales, relevante para equipos de ML que…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.