# NVIDIA amplia Cosmos com ferramentas para treinar e simular modelos de IA física

Anúncio de 21 de outubro reúne cinco fluxos de preparação de dados, amplia o Cosmos Framework e acrescenta variantes de modelos para simulação.

Autoria: Angelo Sebastião Silva Goncalves
Publicado: 2026-10-23T16:34:41.717Z
Revisado: 2026-10-23T16:34:41.717Z
URL canônica: https://nextags.com.br/news/nvidia-cosmos-ferramentas-treinamento-simulacao-ia-fisica/

A NVIDIA anunciou em 21 de outubro uma expansão do Cosmos, plataforma voltada à inteligência artificial aplicada a sistemas físicos. A atualização reúne ferramentas de preparação de dados, treinamento e simulação, segundo o [comunicado da empresa](https://blogs.nvidia.com/blog/cosmos-open-train-evaluate-deploy-world-models/).

O Cosmos Data Factory passa a oferecer cinco fluxos de trabalho: dados para condução autônoma, variações na aparência de objetos, vídeos de eventos, imagens de defeitos industriais e mudanças de clima ou iluminação em vídeos.

A empresa também ampliou o Cosmos Framework para adaptar e otimizar outros modelos compatíveis. Novas variantes do Cosmos 3 Nano permitem testar estratégias de controle de veículos autônomos e robôs de dois braços em simulações interativas.

## Como as peças da plataforma se relacionam

O [repositório oficial do Cosmos](https://github.com/NVIDIA/cosmos) descreve uma plataforma para aplicações como robótica, veículos autônomos, infraestrutura e manufatura. A família Cosmos 3 foi apresentada em maio de 2026; portanto, o anúncio de outubro amplia uma base anterior.

A arquitetura reúne funções de raciocínio e geração. O componente de raciocínio recebe texto e informação visual para produzir respostas em texto. O de geração trabalha com modalidades como texto, visão, áudio e ações, permitindo estudar sequências e comportamentos de ambientes.

A documentação separa ainda o Cosmos Curator, usado para processar, anotar, filtrar e remover duplicações dos dados, e o Cosmos Evaluator, destinado à avaliação das saídas dos modelos. O Framework reúne recursos de treinamento e otimização.

O próprio repositório registra limitações em sequências longas ou situações físicas complexas, incluindo inconsistências ao longo do tempo e alterações no formato dos objetos. Aplicações críticas exigem validação adicional e análise do sistema completo, segundo a documentação.

## O que acompanhar na adoção

Na avaliação editorial da Nextags, reunir preparação de dados, adaptação de modelos e avaliação ajuda a organizar etapas que precisam conversar entre si. Uma equipe pode investigar quais situações seu conjunto de treinamento cobre e quais ainda precisam ser examinadas em testes.

O ponto decisivo é a ligação entre o cenário estudado e a tarefa da aplicação. Para inspeção industrial, por exemplo, vale definir quais defeitos devem ser reconhecidos, como serão medidos os erros e quais condições de operação entram na avaliação.

Os recursos anunciados oferecem caminhos de experimentação, mas o resultado depende dos dados, da configuração e dos critérios adotados pela equipe. A disponibilidade das ferramentas não demonstra, por si só, economia, precisão ou desempenho de uma implantação específica. Comparações úteis precisam registrar o problema, o ambiente de execução e os resultados observados antes e depois da mudança.

## Fontes
- [NVIDIA — expansão do Cosmos, anúncio de 21 de outubro de 2026](https://blogs.nvidia.com/blog/cosmos-open-train-evaluate-deploy-world-models/)
- [NVIDIA Cosmos — repositório oficial e documentação da plataforma](https://github.com/NVIDIA/cosmos)
- [NVIDIA — perfil oficial de Jensen Huang](https://www.nvidia.com/en-us/about-nvidia/board-of-directors/jensen-huang/)
- [Fotografia original — Maurizio Pesce, 5 de janeiro de 2017](https://www.flickr.com/photos/pestoverde/34072594183/)
- [Licença da fotografia — CC BY 2.0](https://creativecommons.org/licenses/by/2.0/)