Nvidia accelera la corsa verso l’intelligenza artificiale fisica aggiornando la suite Cosmos, una piattaforma di modelli generativi pensata per creare mondi sintetici realistici destinati all’addestramento di sistemi robotici e simulazioni industriali. Con le versioni Cosmos Predict 2.5 e Cosmos Transfer 2.5, l’azienda consolida il proprio ecosistema AI integrandolo in Omniverse e nel simulatore Isaac Sim, rendendo possibile la generazione di ambienti virtuali complessi con accuratezza fisica e controllo semantico. Questi strumenti trasformano il modo in cui si creano i dati per l’AI: invece di raccogliere informazioni reali costose o pericolose, le aziende possono ora simulare interi mondi fotorealistici, variando condizioni ambientali, illuminazione e materiali con la precisione richiesta dal training di robot autonomi.
Cosa leggere
Aggiornamenti ai modelli Cosmos di Nvidia
Il nuovo Cosmos Predict 2.5 rappresenta un salto generazionale. Il modello unifica tre funzioni precedenti – Text2World, Image2World e Video2World – in un’unica architettura da 2 miliardi di parametri, leggera ma estremamente efficiente. Da un semplice prompt testuale, un’immagine o un video, Cosmos può ora generare video multicamera coerenti e controllabili, arricchiti da dettagli fisicamente plausibili. Gli ingegneri Nvidia hanno ridotto le dimensioni del modello del 60%, migliorandone velocità e fedeltà visiva. Parallelamente, Cosmos Transfer 2.5 gestisce trasferimenti di stile ad alta fedeltà tra mondi sintetici, consentendo di modificare rapidamente ambientazioni, condizioni meteorologiche o texture del terreno senza ricostruire l’intera scena. La nuova versione riduce la dimensione del modello del 3,5× rispetto alla precedente, ottimizzando le risorse hardware pur mantenendo un realismo fisico superiore. Entrambi i modelli vengono testati su dataset multimodali per garantire coerenza visiva e aderenza semantica ai prompt.
Integrazione con Omniverse e Isaac Sim
Il cuore di questa evoluzione è l’integrazione diretta di Cosmos all’interno di Omniverse, la piattaforma collaborativa di Nvidia basata su OpenUSD, e nel simulatore Isaac Sim, usato per la formazione di robot autonomi. Attraverso librerie come NuRec, gli sviluppatori possono ricostruire gemelli digitali di ambienti reali partendo da semplici scansioni smartphone o video mobili, che vengono poi arricchiti con asset SimReady – modelli 3D fisicamente accurati, pronti per la simulazione.
Nvidia ha inoltre introdotto MobilityGen, un generatore automatico di dataset annotati che sfrutta Cosmos per creare migliaia di variazioni ambientali. I modelli Predict e Transfer possono essere applicati direttamente dentro Isaac Sim per addestrare AI robotiche in scenari fotorealistici e controllabili, riducendo drasticamente il divario tra simulazione e realtà operativa.
L’intero flusso di lavoro segue un ciclo in quattro fasi:
- Ricostruzione del gemello digitale tramite NuRec.
- Popolamento della scena con asset SimReady e illuminazioni dinamiche.
- Variazione di condizioni fisiche e visive con Cosmos Transfer.
- Simulazione e raccolta dati in Isaac Sim o Isaac Lab per training robotici.
Grazie a questo approccio, le aziende possono generare migliaia di scenari realistici per testare algoritmi di navigazione, rilevamento ostacoli o manipolazione, senza rischi né costi di campo.
Partnership e applicazioni industriali
L’impatto dei modelli Cosmos emerge nelle collaborazioni industriali che Nvidia ha stretto con leader della robotica e della logistica.
La startup Skild AI utilizza Cosmos Transfer per ampliare la varietà dei dataset in Isaac Lab, introducendo variabili ambientali come nebbia, riflessi o superfici irregolari. Serve Robotics, che gestisce flotte di robot per consegne urbane, addestra i propri modelli su dati sintetici derivati da Isaac Sim, combinandoli con milioni di chilometri percorsi nel mondo reale per perfezionare la navigazione. Altri partner, come Zipline e Lightwheel, sfruttano Cosmos per ottimizzare la logistica aerea e terrestre, generando simulazioni di scenari complessi in cui testare IA di guida autonoma o droni di consegna. Robots for Humanity adatta i modelli per ambienti industriali ad alto rischio, come piattaforme petrolifere o miniere, mentre FS Studio e Santiago Villa applicano i dataset sintetici a settori come il rilevamento di ostacoli e la manutenzione automatizzata. Queste partnership confermano l’obiettivo di Nvidia: sostituire parte del training reale con mondi simulati ad alta fedeltà, riducendo incidenti, costi e tempi di sviluppo.
Implicazioni per lo sviluppo dell’AI fisica
L’evoluzione di Cosmos 2.5 segna un passo cruciale verso l’AI fisica generalizzata, dove le macchine apprendono non solo da dati visivi, ma anche da leggi fisiche e dinamiche realistiche. Gli aggiornamenti permettono di addestrare robot, droni e veicoli autonomi in ambienti sintetici perfettamente replicabili, accelerando l’innovazione e migliorando la sicurezza operativa. Nvidia consolida così Omniverse come piattaforma centrale per la simulazione 3D collaborativa, basata su standard aperti e integrata con hardware Jetson e DGX Spark. Le pipeline di dati sintetici diventano ora parte integrante del ciclo di sviluppo dell’AI, consentendo alle aziende di scalare rapidamente modelli fisici robusti senza dipendere da dataset reali difficili da ottenere. In prospettiva, Cosmos 2.5 apre la strada a una fusione tra simulazione, AI e automazione, dove ogni robot o sistema autonomo potrà essere addestrato in un mondo virtuale prima di interagire con quello reale.
