Nvidia llegó al CES 2026 con una ambición clara: convertirse en el Android de la robótica generalista.
No solo vender chips. Ser la plataforma por defecto sobre la que se construyan humanoides, brazos industriales y robots de servicio.
De la nube a la «IA física»
La compañía llama a esta apuesta su ecosistema de IA física: sistemas que ya no viven solo en la nube, sino en máquinas capaces de aprender, razonar y actuar en el mundo real.
Ese salto se apoya en tres tendencias clave:
- Sensores más baratos y avanzados en robots
- Simulación cada vez más realista para entrenar en mundos virtuales
- Modelos de IA que generalizan tareas en lugar de limitarse a un único uso
En Las Vegas, Nvidia unió todas esas piezas en un stack completo: modelos abiertos en Hugging Face, un framework de simulación abierto, software de orquestación y nuevo hardware de computación en el borde.
La nueva familia de modelos fundacionales para robots
Nvidia presentó varios modelos fundacionales abiertos pensados para que los robots puedan ver, entender y actuar en entornos muy distintos. Todos están disponibles en Hugging Face.
Los principales son:
- Cosmos Transfer 2.5 – modelo del mundo para generar datos sintéticos y entrenar robots en simulación
- Cosmos Predict 2.5 – modelo del mundo centrado en evaluar políticas de control antes de pasarlas a robots físicos
- Cosmos Reason 2 – modelo visión‑lenguaje (VLM) de razonamiento que combina percepción visual y comprensión del contexto
- Isaac GR00T N1.6 – modelo visión‑lenguaje‑acción (VLA) de nueva generación, diseñado específicamente para robots humanoides
GR00T se apoya en Cosmos Reason como «cerebro» y está entrenado para el control de cuerpo completo. En la práctica, un humanoide puede caminar y manipular objetos a la vez, en lugar de tratar cada habilidad como un módulo separado y frágil.
Es un cambio importante frente a la robótica industrial clásica, donde cada robot se programa para repetir una sola tarea una y otra vez.
Isaac Lab-Arena: un patio de juegos común para entrenar robots
Validar nuevas capacidades en el mundo físico es caro, lento y a veces peligroso, sobre todo en tareas complejas como la manipulación de objetos o la instalación de cables. Para atacar ese problema, Nvidia ha lanzado Isaac Lab-Arena, un framework de simulación de código abierto alojado en GitHub.
La idea es convertir Lab-Arena en un terreno de juego compartido para la comunidad robótica:
- Un repositorio unificado de escenarios y tareas
- Herramientas de entrenamiento y recursos en un solo lugar
- Soporte para benchmarks ya conocidos como Libero, RoboCasa y RoboTwin
Hasta ahora, muchos laboratorios y startups mantenían sus propias simulaciones a medida. Nvidia apuesta por que la industria se alinee en torno a una arena común, naturalmente muy ligada a sus propios modelos y chips.
OSMO: la sala de control de la IA física
Para conectar todos estos componentes, Nvidia presentó OSMO, un centro de mando de código abierto que integra el flujo completo desde la generación de datos hasta el entrenamiento.
OSMO está pensado para:
- Orquestar experimentos entre entornos de escritorio y nube
- Cerrar el ciclo entre simulación, entrenamiento de modelos y despliegue en dispositivos de borde
Si la jugada de plataforma prospera, OSMO se convierte en la consola donde los equipos supervisan cómo aprenden y se actualizan sus flotas de robots.
Jetson T4000: Blackwell llega al borde
La otra pata de la estrategia es el hardware. Nvidia presentó la Jetson T4000, una tarjeta gráfica basada en Blackwell y el miembro más reciente de la familia Thor, pensada para ejecutar IA directamente en el robot.
Según Nvidia, ofrece:
- 1200 teraflops de cómputo de IA
- 64 GB de memoria
- Consumo entre 40 y 70 vatios
El mensaje es claro: una actualización relativamente asequible para quienes necesitan inferencia potente en el dispositivo sin saltar a GPUs de centro de datos.
Alianza con Hugging Face: 2 millones de roboticistas y 13 millones de creadores de IA
Nvidia también está reforzando su alianza con Hugging Face para que más gente pueda experimentar con robots sin hardware caro ni conocimientos ultraespecializados.
La colaboración integra las tecnologías Isaac y GR00T en LeRobot, el framework robótico de Hugging Face. Sobre el papel, conecta:
- Los 2 millones de desarrolladores de robótica del ecosistema Nvidia
- Con los 13 millones de builders de IA de Hugging Face
Un ejemplo concreto: el humanoide open source Reachy 2 en Hugging Face ya funciona directamente con el chip Jetson Thor de Nvidia. Así, los desarrolladores pueden probar distintos modelos de IA sobre el mismo robot físico, sin quedar atados a un sistema propietario.
Es la narrativa Android trasladada a la robótica: herramientas abiertas, modelos accesibles y hardware estándar alrededor del cual puede florecer un ecosistema diverso.
¿Funciona la estrategia de «Android para robots»?
Hay indicios tempranos de que sí.
En Hugging Face, la robótica es ahora la categoría de mayor crecimiento, con los modelos de Nvidia en cabeza en descargas. Y en el mundo empresarial, compañías como Boston Dynamics, Caterpillar, Franka Robots y NEURA Robotics ya utilizan tecnología de Nvidia.
Para el ecosistema hispanohablante —desde startups de robótica en México o España hasta integradores industriales en Latinoamérica— esto puede marcar el camino a seguir: si el stack de Nvidia se consolida como estándar de facto, gran parte de la innovación en robots generalistas podría apoyarse en estos mismos ladrillos.
De momento, el mensaje desde la CES 2026 es inequívoco: si va a construir un robot que aprenda y se adapte, Nvidia quiere ser la capa base de software y hardware sobre la que lo haga.
Tuit de origen: https://twitter.com/TechCrunch/status/2008311157950468454
