NVIDIA Cosmos Predict-2 es el nuevo modelo anunciado de inteligencia artificial con el que NVIDIA quiere acelerar el avance de los coches autónomos. Esta herramienta permite generar datos sintéticos más realistas y precisos para entrenar estos sistemas sin depender exclusivamente de pruebas reales. Además, se integra con simuladores como CARLA y aporta una visión diferente frente a soluciones como Tesla FSD. Si quieres saber qué lo hace distinto y por qué puede marcar el rumbo del sector, sigue leyendo.
¿Qué novedades trae NVIDIA Cosmos Predict-2?
Cosmos Predict-2 es un modelo “foundation” que genera vídeos sintéticos a partir de texto, imágenes o grabaciones reales. Ofrece mejor interpretación del contexto, mayor fidelidad visual y menos errores que su versión anterior. Puede producir hasta 30 segundos de vídeo predictivo, optimizado para velocidad y flexibilidad en distintos dispositivos .
¿Para qué sirve Cosmos Predict-2 en coches autónomos?
Permite transformar grabaciones con una sola cámara en vistas múltiples y simular condiciones cambiantes de entorno (clima, cámara, ángulo). Empresas como Uber, Oxa y Plus ya lo emplean para entrenar sus algoritmos sin necesidad de grabar cada escenario realista desde cero .
Cómo mejora el entrenamiento de vehículos autónomos
Gracias al post-entrenamiento con 20.000 h de datos reales, Cosmos Predict-2 genera secuencias adaptadas a situaciones complejas como lluvia o niebla . Además, su uso en infraestructuras como GB200 o DGX Cloud reduce tiempos de inferencia y aumenta la eficiencia
¿Qué relación hay entre Cosmos Predict-2 y el simulador CARLA?
CARLA, el simulador open source con más de 150.000 usuarios, incorpora Cosmos Transfer y NuRec, lo que permite generar entornos sintéticos fotorrealistas usando prompts simples . Así, se facilita la prueba de rutas nuevas, el ajuste de sensores y condiciones ambientañes sin infraestructuras físicas.
¿Cómo mejora la seguridad de los AV con NVIDIA Halos?
La plataforma Halos de NVIDIA une hardware y software para comprobar que los sistemas de conducción funcionen de forma segura. En colaboración con empresas como Bosch y Nuro, se valida el comportamiento del vehículo antes de salir a carretera, ofreciendo un enfoque transparente y basado en normas.
Comparativa entre NVIDIA Cosmos Predict‑2 y Tesla FSD
|
NVIDIA Cosmos Predict-2 |
Tesla FSD |
|
Usa datos sintéticos y reales. |
Usa solo datos reales de su flota. |
|
Compatible con múltiples sensores. |
Solo emplea cámaras (sin radar ni lidar). |
|
Simulación en plataformas como CARLA. |
Entrenamiento directo en carretera. |
|
Verificación mediante la plataforma Halos. |
Validación a través de uso humano supervisado. |
|
Transparencia para desarrolladores. |
Modelo cerrado sin acceso externo. |
Cosmos Predict-2 facilita entrenar vehículos autónomos con simulación, datos reales y herramientas de verificación, sin depender exclusivamente de pruebas físicas. En contraste, Tesla FSD se apoya en grandes cantidades de datos reales y una visión solo con cámaras, lo que presenta desafíos en seguridad y transparencia.
¿Crees que la clave está en la simulación avanzada o en maximizar los datos reales? Cuéntanos en los comentarios, ¡te leemos!
