El 20 de octubre de 2026, NVIDIA ha puesto a disposición pública cinco modelos de la familia Cosmos3-Nano. Estos checkpoints, de 16.000 millones de parámetros, abarcan desde la simulación de conducción multivista hasta la robótica quirúrgica, disponibles para descarga directa en Hugging Face y GitHub.
Google presenta Argon con ejemplos de control robótico, reconstrucción de simulaciones y razonamiento físico. El 87 % comunicado en ERQA y los casos en vídeo son resultados del proveedor, no pruebas independientes de un rendimiento general.
Microsoft Research presenta un sistema que modela cómo podrían responder alumnos concretos a preguntas y orientaciones de un tutor. Sus resultados son prometedores en tres ámbitos, pero la simulación no demuestra que un tutor mejore el aprendizaje real ni reemplaza las pruebas con estudiantes.
Google amplía el acceso a Gemini 4 Argon, presentado para trabajos prolongados de programación, ciencia, finanzas y ciberseguridad. Sus resultados y el uso real todavía requieren evaluación independiente; la información disponible tampoco permite confirmar capacidades concretas de robótica.
Odyssey presenta Odyssey-3 como un modelo de mundo capaz de generar entornos interactivos a partir de texto. La vista previa permite conocer el producto, pero la información disponible no basta para confirmar sus resultados en benchmarks ni su uso en robots reales.
Code to Control separa la generación de la estructura de un controlador del ajuste de sus parámetros. El preprint afirma que, una vez aprendido, el controlador puede actuar sin inferencia del LLM ni planificación en cada paso; la evidencia disponible no basta para evaluar cifras, reproducibilidad ni preparación para robots reales.
La propuesta busca dar acceso a modelos más exigentes sin cargar todo su cómputo a bordo. Las fuentes describen ventajas potenciales, pero no aportan aquí métricas ni detalles suficientes para cuantificar los resultados.
La versión 5.0 de Isaac ROS incorpora soporte para ROS 2 Lyrical y cambios en NITROS y rosidl::Buffer. NVIDIA la presenta como una base para flujos de trabajo robóticos con agentes, aunque la información disponible no detalla tareas concretas ni aporta validación independiente de sus resultados.