✨︎ Resumen (TL;DR):
- Nvidia liberó herramientas y habilidades de IA física de código abierto para robots, vehículos autónomos y gemelos digitales.
- Pegatron redujo un 67% el tiempo de entrenamiento y despliegue de modelos usando datos sintéticos con estas librerías.
- Las herramientas están disponibles en GitHub y skills.sh para facilitar la programación mediante agentes inteligentes.
Nvidia lanzó una colección de herramientas y habilidades de IA física de código abierto durante el evento GTC Taipéi, con el fin de permitir que los agentes de software coordinen directamente tareas de robótica, vehículos autónomos y gemelos digitales de forma más rápida.
Esta suite de recursos, accesible a través de GitHub y de la plataforma skills.sh, empaqueta las librerías de IA física de la compañía como tareas ejecutables dentro del Nvidia Agent Toolkit. El ecosistema integra herramientas clave de la firma como los modelos base Cosmos, Omniverse, Isaac para robótica, Metropolis para visión artificial, Alpamayo para conducción autónoma y el hardware Jetson.
“Los agentes de IA están transformando el desarrollo de software, y ese cambio está llegando ahora a la IA física, expandiéndose hacia los sistemas que transformarán el transporte, la manufactura, la salud y la robótica”, declaró Jensen Huang, CEO de Nvidia. “Cuando los agentes pueden usar directamente las librerías, modelos y marcos de trabajo de Nvidia, el desarrollo de la IA física se moverá más rápido, permitiendo que los desarrolladores creen los robots, vehículos autónomos y sistemas industriales del futuro a un ritmo increíble”.
IA física es una disciplina tecnológica que conecta modelos de inteligencia artificial con sistemas del mundo real para controlar hardware y automatizar tareas industriales. Las herramientas de este lanzamiento convierten flujos de trabajo complejos como la simulación, el entrenamiento y la evaluación en instrucciones repetibles que un agente de desarrollo de software puede seguir de forma autónoma.
Socios industriales reducen tiempos con datos sintéticos
Diversas empresas ya integran esta tecnología en sus operaciones. Por ejemplo, TSMC y Pegatron aplican los recursos en la optimización de inspección visual, logrando que Pegatron reduzca un 67% el tiempo de entrenamiento y despliegue gracias a la generación de datos sintéticos.
Por su parte, firmas de conducción autónoma como Li Auto, Afari y DeepRoute.ai generan diariamente más de 300,000 renders y simulaciones usando reconstrucción neuronal de escenarios en Omniverse.
Para garantizar que la implementación de estos agentes autónomos sea segura en entornos industriales, Nvidia incluyó el plano de desarrollo NemoClaw y el entorno de ejecución OpenShell, herramientas que imponen reglas de privacidad y seguridad basadas en políticas específicas de la empresa.
Además, compañías de simulación como Siemens, Dassault Systèmes, Cadence y Synopsys ya integran este ecosistema para crear gemelos digitales, mientras que desarrolladores de robots como 1x, Agile Robots, Agility y Universal Robots emplean este paquete de herramientas en sus cadenas de diseño y producción.
Fuentes: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20
