A simulação, que há muito tempo tem sido o campo de provas para robôs que aprendem a andar, rolar e pular, agora está ajudando pesquisadores a ensinar robôs a executar tarefas que exigem um toque mais fino: alinhar engrenagens, conectar cabos e montar pequenos componentes. A transição da locomoção para a manipulação está em destaque nesta semana na Conferência de Aprendizado de Robôs (CoRL), em Austin, Texas, ao lado da ascensão da robótica agente — um novo paradigma que integra agentes de ponta para criar código interpretável para sistemas robóticos físicos. No CoRL, a NVIDIA está apresentando novas tecnologias robóticas abertas, incluindo modelos de ação mundial, ferramentas de simulação, benchmarks e fluxos de trabalho agentes. Dois artigos da NVIDIA estão entre os seis finalistas, de milhares de submissões, para o Prêmio de Melhor Artigo no CoRL: GRAIL (Generating Humanoid Loco-Manipulation from World Models), que apresenta um pipeline digital de geração de ativos 3D e cenas prontas para simuladores para aprendizado de robôs; e RoboTTT: Context Scaling for Robot Policies, que introduz um modelo de robô e uma receita de treinamento que amplia o contexto visuomotor em três ordens de magnitude além das políticas de estado da arte, sem aumentar a latência de inferência. Esses avanços ajudam os pesquisadores a treinar robôs em tarefas complexas, avaliar seu desempenho sob condições variáveis e usar falhas para orientar aprendizado adicional — construindo a precisão, adaptabilidade e autonomia necessárias para passar de demonstrações em laboratório para implantação industrial. A NVIDIA está trabalhando com parceiros como Ambi Robotics, Bosch Research, Dexmate, Dyna Robotics, FieldAI, Flexion, Noitom Robotics, Siemens, Skild AI, RLWRLD, UC Berkeley, Walden Robotics e a Universidade de Washington para levar esses avanços à comunidade robótica mais ampla. Modelos de Ação Mundial possibilitam o próximo nível de autonomia robótica. O próximo nível de autonomia requer que os robôs percebam seu entorno, antecipem como suas ações modificarão o ambiente e executem tarefas complexas e multietapas com alto grau de precisão.
Fonte: NVIDIA AI Blog
Publicado em 2026-11-09