En GTC Berlín, NVIDIA anunció una amplia expansión de Isaac: una plataforma de referencia humanoide, Isaac OS e Isaac Lab 3.0, además de flujos de trabajo abiertos que conectan ChatGPT Astra y Cosmos para generar datos sintéticos, entrenar y evaluar modelos. Esta actualización acelera el desarrollo robótico basado en la simulación y transforma la forma en que los integradores y laboratorios europeos llevan los modelos del razonamiento a los robots del mundo real.
La expansión de Isaac que NVIDIA presentó en GTC Berlín reunió varias líneas de trabajo que la industria robótica lleva años explorando: hardware de referencia, un entorno de ejecución dedicado, recursos de simulación más completos y procesos de generación de datos sintéticos guiados por lenguaje. El anuncio estrella —Agile ONE SN, un humanoide de 1,4 m preconfigurado con Isaac GR00T y Jetson Thor— representa un esfuerzo concreto por acortar el camino de desarrollo entre la simulación y una plataforma física. Pero las nuevas versiones de software son igual de importantes: Isaac OS, para un entorno de ejecución determinista en el robot; Isaac Lab 3.0, para flujos de trabajo de aprendizaje por refuerzo con varias GPU; y conjuntos de datos seleccionados y recursos SimReady, que permiten realizar pruebas realistas y reproducirlas con mayor rapidez.
Desde el punto de vista técnico, la actualización ofrece una propuesta integral que conecta modelos fundacionales, motores de física y marcos de seguridad. GR00T 1.7 proporciona un modelo fundacional de cuerpo completo para coordinar el movimiento y la manipulación; Isaac Lab integra motores de física como Newton y PhysX en flujos de entrenamiento con varias GPU; y Cosmos admite modelos de mundo a gran escala para sintetizar interacciones humanas. Los flujos de trabajo de NVIDIA combinan explícitamente ChatGPT Astra para generar escenarios mediante procedimientos y Cosmos para sintetizar escenas. Después, entrenan y evalúan políticas en DGX Station antes de transferirlas: un ciclo concebido para reducir la brecha entre simulación y realidad y dejar un registro auditable de la evaluación de políticas.
Para las empresas robóticas y los integradores de sistemas europeos, las novedades se pueden aplicar de inmediato. ABB, KUKA, Universal Robots, NEURA Robotics, Sereact y otras empresas ya usan Isaac Sim, las bibliotecas de Omniverse e Isaac Lab en proyectos piloto; el nuevo entorno de ejecución y el humanoide de referencia reducen las discrepancias de integración entre la simulación y el despliegue. El compromiso de los socios de incorporar la seguridad de Halos y la capacidad de cómputo de IGX/Thor a las plataformas industriales abre la puerta a vías de certificación más claras para los pilotos. En la práctica, los equipos pueden iterar sobre políticas en simulación, realizar comprobaciones de transferencia posteriores al entrenamiento con GR00T y usar recursos SimReady compartidos para reducir los costes de crear recursos personalizados.
Aun así, estas posibilidades tienen limitaciones y riesgos que los equipos de desarrollo deben prever. La simulación de alta fidelidad todavía presenta dificultades con las dinámicas de contacto, el realismo de la percepción táctil y el comportamiento humano en situaciones límite. Las capas de seguridad como Halos mitigan los riesgos de despliegue, pero no sustituyen la validación integral ni el cumplimiento de las normas. La dependencia de la plataforma de NVIDIA también puede generar dependencia del proveedor y concentrar los costes de cómputo (DGX, Jetson Thor). Para inversores y equipos de producto, lo más sensato es adoptar un enfoque híbrido: incorporar componentes de Isaac para acelerar las primeras etapas de desarrollo y, al mismo tiempo, diseñar etapas de evaluación, copias de seguridad en formatos abiertos y alternativas de varios proveedores que aporten resiliencia a largo plazo.
Qué anunció NVIDIA en GTC Berlín
El conjunto de novedades de NVIDIA abarca hardware, entorno de ejecución, conjuntos de datos y flujos de trabajo. Los anuncios principales son Agile ONE SN, Isaac OS, Isaac Lab 3.0, SimReady Central Library y tres flujos de trabajo abiertos en DGX Station que conectan ChatGPT Astra, Isaac y Cosmos. En conjunto, ofrecen una vía integrada desde la generación de escenarios hasta el despliegue de políticas. Los recursos de simulación y el conjunto de datos Human 1M proporcionan entradas multimodales etiquetadas para modelos de percepción y comportamiento. Estas novedades consolidan un ritmo de desarrollo basado primero en la simulación que muchos laboratorios comerciales y grupos académicos venían configurando por separado.
Por qué importa: los desarrolladores disponen de una ruta preintegrada que reduce semanas de trabajo de ingeniería para conectar componentes —desde la captura de datos y el entrenamiento hasta el control de cuerpo completo y la integración de seguridad—. Así, los equipos pueden centrarse en las capacidades específicas de cada tarea y en la validación de cada ámbito, en vez de crear desde cero la infraestructura de cómputo y simulación.
Cómo trabajan juntos ChatGPT Astra, Cosmos e Isaac
Los tres flujos de trabajo abiertos de NVIDIA para DGX Station describen un ciclo cerrado: usar ChatGPT Astra para generar guiones de escenarios e indicaciones sobre el comportamiento humano, introducir esos guiones en Cosmos para sintetizar escenas e interacciones fotorrealistas y, después, ejecutar flujos de aprendizaje por refuerzo con varias GPU en Isaac Lab para perfeccionar políticas basadas en GR00T. La evaluación posterior al entrenamiento reproduce casos límite sintetizados y genera métricas para la revisión de seguridad. Esta cadena formaliza un flujo de desarrollo en el que el razonamiento, la modelización del mundo y la optimización de políticas están desacoplados, pero son interoperables; así se acelera la iteración y se mejora la reproducibilidad entre equipos de investigación e industria.
Qué implica para los profesionales: se puede programar la diversidad de escenarios mediante indicaciones para modelos de lenguaje, generar grandes cantidades de datos sintéticos etiquetados y ejecutar aprendizaje por refuerzo o por imitación a gran escala sin desplegar primero el hardware. Esto eleva las exigencias para las herramientas de validación: antes de las pruebas físicas, deben convertirse en práctica habitual las métricas reproducibles, los registros deterministas del entorno de ejecución y las pruebas de transferencia.
Agile ONE SN: un humanoide de referencia para acelerar la investigación
Agile ONE SN se presenta como un humanoide de referencia integral: mide 1,4 metros, tiene 31 grados de libertad, dos manos de cinco dedos con sensores táctiles y capacidad de cómputo Jetson Thor integrada. De fábrica, combina varias modalidades de percepción, control de cuerpo completo con Isaac GR00T y una integración prevista con Halos para la seguridad a bordo del robot. Para los equipos de investigación, simplifica la integración de hardware y software y proporciona una base común para experimentos de manipulación diestra y coordinación bimanual.
Recomendación práctica: los laboratorios deberían evaluar Agile ONE SN como una herramienta de estandarización para realizar pruebas de referencia reproducibles, no como un humanoide de producción listo para usar. Puede servir para validar modelos, reproducir experimentos entre instituciones y establecer pruebas de transferencia de Isaac Sim al comportamiento físico antes de comprometerse con diseños para producción a gran escala.
Riesgos, limitaciones y recomendaciones de despliegue
La simulación de alta fidelidad reduce los riesgos en las primeras etapas, pero no los elimina. La manipulación con mucho contacto, la fidelidad de la percepción táctil y el comportamiento humano impredecible siguen siendo las principales causas de fallos al pasar de la simulación a la realidad. Además, depender de la plataforma de un único proveedor concentra los riesgos de suministro y compatibilidad. Los equipos que ejecuten proyectos piloto deben diseñar un proceso de validación por etapas: auditorías de cobertura de escenarios sintéticos, pruebas de habilitación física, participación en procesos de certificación de seguridad (por ejemplo, TÜV SÜD) y planes de contingencia para alternativas de cómputo o software.
Recomendación operativa: definir criterios cuantitativos de transferencia antes de probar el hardware, presupuestar el cómputo tanto en el extremo (Jetson Thor) como en los centros de datos (DGX) e insistir en contar con artefactos reproducibles de evaluación posterior al entrenamiento para compartir con socios, auditores y clientes.
