🧪 Se publican nuevos tutoriales — del brazo robótico al sensor
Juxi Technology Wiki

Español

English
简体中文
繁體中文
日本語
한국어
Deutsch
Français
Italiano
Português (Brasil)
Português (Portugal)

Español

English
简体中文
繁體中文
日本語
한국어
Deutsch
Français
Italiano
Português (Brasil)
Português (Portugal)

Apariencia

🤗Tienda
/
Sitio web oficial

IA agéntica — NemoClaw en el Orin Nano de 8 GB ​

Su kit puede ejecutar NVIDIA NemoClaw, un agente autónomo siempre activo, instalado con un solo comando. Esta página cubre qué es NemoClaw, la instalación oficial, las habilidades de agente que lo rodean, expectativas honestas para 8 GB y las decisiones de seguridad que exige.

Qué es NemoClaw ​

NVIDIA describe NemoClaw como «una colección de blueprints abiertos para construir agentes autónomos» — sistemas de IA siempre activos que razonan, planifican y actúan en flujos de trabajo del mundo real. Empaqueta harnesses de agentes (OpenClaw, Hermes, LangChain Deep Agents) con componentes del NVIDIA Agent Toolkit: modelos Nemotron, NeMo y los controles de políticas en tiempo de ejecución de OpenShell.

OpenShell es la capa de seguridad: «el entorno de ejecución seguro en su interior que impone a qué puede acceder el agente: archivos, redes, credenciales y herramientas».

NemoClaw es software alpha — NVIDIA lo etiqueta como «vista previa temprana» (desde el 2026-03-16). Página del producto: https://www.nvidia.com/en-us/ai/nemoclaw · Centro Build-a-Claw: https://www.nvidia.com/en-us/ai/build-a-claw/

Instalación — el comando único oficial ​

En el kit, ejecute el instalador de NVIDIA:

bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash

Esto instala el harness predeterminado, OpenClaw. Otros dos pueden seleccionarse con una variable de entorno:

bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | NEMOCLAW_AGENT=hermes bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | NEMOCLAW_AGENT=langchain-deepagents-code bash

En este kit, el instalador detecta automáticamente Jetson (Orin y Thor) y aplica primero la configuración de host de JetPack; en L4T 39.x carga el módulo br_netfilter solo si falta (sin él, el sandbox falla la resolución DNS y la incorporación se queda colgada en "Setting up OpenClaw inside sandbox"). Si selecciona Ollama, el instalador también lo instala: «El script también instala ollama (si se selecciona ollama), así que no necesita instalarlo manualmente primero» (personal de NVIDIA). El sitio de NVIDIA documenta este dispositivo: «Instale OpenClaw en su NVIDIA Jetson Orin Nano» — «un asistente personal de IA totalmente local en Jetson … sin necesidad de API en la nube».

Importante — la matriz de compatibilidad de plataformas de NemoClaw (v1.1, 2026-09-04) no tiene fila para Jetson; sus plataformas probadas son Linux (Ubuntu 24.04) y DGX OS Spark. La compatibilidad con el Orin Nano es real en la práctica — el instalador detecta la placa y NVIDIA documenta el flujo — pero no está publicada como compatibilidad formal, así que espere asperezas.

Requisitos que importan aquí (de la página de requisitos previos de NemoClaw de NVIDIA):

RequisitoMínimo / recomendadoEn este kit
RAM8 GB / 16 GB8 GB en total — en el mínimo
Disco libre20 GBSin almacenamiento integrado; use microSD o NVMe (Inicio rápido)
Node.js / npm22.19+ / 10+Instalar por separado
Entorno de ejecución de contenedoresDocker Engine / Desktop / ColimaCorrección del socket: sudo usermod -aG docker $USER y después newgrp docker

Después de la instalación — primera sesión ​

El personal de NVIDIA remite al recorrido de Jetson AI Lab (guía del proveedor) para el flujo del Orin:

  1. curl -fsSL https://ollama.com/install.sh | sh — o sáltelo; el instalador de NemoClaw también puede instalar Ollama.
  2. Descargue un modelo de llamada a herramientas de la clase 4B, como Nemotron3 Nano 4B (el ejemplo nemotron-3-nano:30b de la guía apunta a dispositivos mayores).
  3. curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
  4. Incorpore: seleccione Ollama como fuente del modelo y elija el nivel de política de sandbox más estricto que funcione.
  5. source ~/.bashrc y después nemoclaw my-assistant connect; inicie el agente con openclaw tui.

Habilidades de agente ​

NVIDIA también distribuye habilidades de agente (agent skills) — flujos de trabajo empaquetados en el formato abierto Agent Skills que amplían asistentes de programación con IA (Claude Code, Cursor, Codex) con automatización específica del dispositivo. Hay dos dominios documentados para esta era:

  • IA física (robótica). Isaac ROS distribuye un catálogo de habilidades de agente — según NVIDIA, tareas como activar el contenedor de desarrollo de Isaac ROS y levantar la pila en la nube Mission Control. El catálogo está en https://github.com/nvidia/skills (la categoría «Physical AI»), y se instala con npx (Node.js no forma parte del entorno estándar de Isaac ROS). Isaac ROS 5.0 añade una CLI isaac-ros-activate y una habilidad de acceso anticipado migrate-node-to-rosidl-buffer. Consulte Robótica.
  • Pipelines de video. Las notas de la versión de L4T r39.2.1 incluyen «habilidades de agente para pipelines de video» entre las novedades.

Una carencia honesta: las fuentes de esta página documentan habilidades de agente de NVIDIA para Isaac ROS (IA física) y para pipelines de video; ninguna documenta un catálogo de habilidades específico de NemoClaw.

Expectativas realistas para 8 GB ​

Un agente siempre activo, un modelo local y el escritorio de Ubuntu no caben cómodamente en este kit al mismo tiempo. El presupuesto documentado:

  • La memoria utilizable es de ~7.6 GB, no 8 GB. NVIDIA: «de los 8 GB de DRAM física, unos 7.6 GB son utilizables tras las reservas del firmware y del kernel».
  • Los 8 GB son el mínimo de NemoClaw, no una zona de confort. Los requisitos previos indican 8 GB como mínimo y 16 GB como recomendado: «En máquinas con menos de 8 GB de RAM, este uso combinado puede activar el OOM killer. Si no puede añadir memoria, configure al menos 8 GB de swap para sortear el problema a costa de un rendimiento más lento». La memoria de este kit es fija — planifique el archivo de swap (Eficiencia de memoria). El push de la imagen de sandbox de ~2.4 GB ya ha activado el OOM en un Orin Nano de 8 GB.
  • El agente y el escritorio consumen memoria antes de que cargue el modelo. Una guía de la comunidad en los foros de NVIDIA sitúa el entorno de ejecución de OpenClaw en hasta ~1 GB; desactivar el escritorio gráfico libera hasta ~865 MB (cifra de NVIDIA), y una medición de la comunidad sitúa GNOME por encima de 600 MB.
  • El fallo por modelo sobredimensionado está documentado en un informe de la comunidad en los foros de NVIDIA. Ollama en una placa de 8 GB no pudo cargar un modelo de 7.4 GB ni otro de 16 GB: cudaMalloc failed: out of memory ... failed to allocate buffer for kv cache. El tamaño de archivo por sí solo no es la prueba — la caché KV debe caber en esos mismos 8 GB.

Qué cabe, según las fuentes: los valores predeterminados validados de Ollama de NVIDIA (qwen3.6:35b, nemotron-3-nano:30b, qwen3.5:9b) están dimensionados para máquinas mayores; la guía de Jetson AI Lab dice que se empiece con un modelo de llamada a herramientas de la clase 4B — «Puede funcionar, pero espere un rendimiento inferior al de los modelos de la clase 30B»; y el blog de memoria de NVIDIA sitúa el margen ajustado de 4 bits en LLM de hasta ~10B y VLM de hasta ~4B parámetros — un techo para una configuración dedicada, no un presupuesto que además sostenga un escritorio y un agente.

NVIDIA no publica cifras de tokens por segundo para Ollama en este dispositivo; trate con cautela las afirmaciones de velocidad externas (consulte Inferencia LLM local).

Nota de Juxi: para una configuración siempre activa viable aquí, planifique el modo headless, un modelo cuantizado de la clase 4B y almacenamiento NVMe para el requisito de 20 GB y el archivo de swap. Eso es lo que respaldan las fuentes; cualquier cosa mayor no está verificada.

Notas sobre Ollama y agentes — confirmadas por personal de NVIDIA ​

El personal de NVIDIA depuró el flujo Orin Nano + JetPack 7.2 + Ollama en sus foros de desarrolladores y volvió a verificar Ollama en JetPack 7.2.1 en septiembre de 2026.

  • Compruebe primero la GPU. ollama ps debería mostrar 100% GPU en la columna PROCESSOR; si muestra CPU, el agente irá muy lento.

  • Fallo documentado (junio de 2026). Con NemoClaw + Ollama en un Orin Nano recién flasheado con JetPack 7.2, openclaw tui se abría pero nunca respondía ("Autocompaction could not recover this turn"). NVIDIA lo reprodujo: Ollama se había saltado el descubrimiento de GPU (fallback a CPU), y la ventana de contexto del sandbox era de solo 4096 tokens. La corrección del personal escribió estas líneas en /etc/systemd/system/ollama.service.d/override.conf:

    ini
    Environment="OLLAMA_HOST=127.0.0.1:11434"
Environment="OLLAMA_CONTEXT_LENGTH=32768"
Environment="OLLAMA_IGPU_ENABLE=1"
Environment="GGML_BACKEND_PATH=/usr/local/lib/ollama/cuda_v13/libggml-cuda.so"
Environment="LD_LIBRARY_PATH=/usr/local/lib/ollama:/usr/local/lib/ollama/cuda_v13"

    y después sudo systemctl daemon-reload && sudo systemctl restart ollama; dentro del sandbox (nemoclaw my-assistant connect), se elevó contextWindow a 32768 en .openclaw/openclaw.json y se refrescó el hash de configuración. El autor del informe confirmó que Ollama pasó entonces a ejecutarse en la GPU.

  • Estado actual: esta solución alternativa no debería ser necesaria. El personal de NVIDIA, a mediados de 2026: «el problema está corregido en la última versión de ollama. La solución alternativa (override.conf) ya no es necesaria». En JetPack 7.2.1 el instalador upstream funciona y ollama ps informa de 100% GPU; la línea "WARNING: Unsupported JetPack version detected" es inofensiva. Pruebe primero la instalación estándar.

  • Si Ollama sigue recurriendo a la CPU: actualice Ollama primero. Un usuario del foro solucionó un fallback persistente eliminando el directorio obsoleto /usr/local/lib/ollama/cuda_v12 (eliminación confirmada por el personal). Conserve override.conf como último recurso — es lo que NVIDIA usó con éxito en este mismo kit.

Seguridad para agentes siempre activos ​

Un agente siempre activo es un programa con credenciales y acceso a herramientas que sigue trabajando mientras usted no mira. En un dispositivo que guarda sus datos, eso es un riesgo real: un agente con acceso a herramientas y al shell aquí puede leer, cambiar o enviar cualquier cosa que esté a su alcance.

Use la capa de políticas. NVIDIA describe OpenShell como «el entorno de ejecución seguro en su interior que impone a qué puede acceder el agente: archivos, redes, credenciales y herramientas». Durante la incorporación, elija el nivel de política de sandbox más estricto que siga haciendo el trabajo (el recorrido de Jetson AI Lab aconseja el nivel más estricto).

Credenciales. Dé al agente credenciales con alcance limitado y revocables — claves y cuentas dedicadas, nunca las personales. Todo lo que el agente pueda leer, lo puede copiar; todo lo que pueda usar, se le puede inducir a usarlo. Las integraciones de mensajería actúan con su identidad: la página del Orin Nano de NVIDIA muestra un ejemplo de OpenClaw + WhatsApp, así que use una cuenta o un número dedicados.

Exposición de red. Mantenga los servicios locales en localhost — la configuración del personal de NVIDIA para Ollama aquí lo enlaza a 127.0.0.1 (OLLAMA_HOST=127.0.0.1:11434). No exponga paneles de agente, API de control ni servidores de modelos a internet abierto; para acceso remoto, use un túnel o una VPN que controle. La instalación necesita Docker (Engine/Desktop/Colima, según los requisitos anteriores), además de un clúster de contenedores en sandbox (la puerta de enlace de OpenShell ejecuta k3s internamente) y acceso sudo.

Hábitos de operación. Empiece con supervisión — observe lo que hace el agente antes de dejarlo desatendido. No le dé acceso que no pueda revocar o deshacer, y mantenga copias de seguridad y una ruta de recuperación (consulte Flasheo y actualizaciones). NemoClaw es software alpha («vista previa temprana»); trate el sandbox como una capa entre varias, no como la única.

Atención — como esta pila se ejecuta localmente («sin necesidad de API en la nube»), el límite de seguridad es su dispositivo, su red y sus credenciales. Revise los tres antes de dejar un agente en ejecución.

Fuentes ​

Estado: borrador, pendiente de revisión por cheny. Basado en la documentación oficial de NVIDIA, publicaciones del foro de desarrolladores de NVIDIA y la guía del proveedor de Jetson AI Lab, en las fechas indicadas; aún no verificado en hardware físico por Juxi Technology.

NVIDIA® y Jetson™ son marcas comerciales de NVIDIA Corporation. Esta página es publicada por Juxi Technology y no es una publicación de NVIDIA.