bytevyte
bytevyte
Language
EN DE ES FR PT IT
Follow
ai-beats-it —

NVIDIA svela le physical AI agent skills per accelerare l'addestramento dei sistemi autonomi

competenze per agenti IA fisici

NVIDIA ha introdotto una suite di physical AI agent skills progettata per accelerare lo sviluppo di sistemi autonomi nella robotica e nei trasporti. Annunciati questa settimana alla Conference on Computer Vision and Pattern Recognition (CVPR) 2026, questi strumenti utilizzano il modello foundation NVIDIA Cosmos 3 per automatizzare la generazione di dati sintetici, risolvendo uno dei principali colli di bottiglia nell'addestramento degli embodied agents.

Il rilascio include abilità specializzate per i veicoli autonomi (AV) e la robotica, integrate direttamente negli ambienti Isaac Sim 6.0 e Isaac Lab. Automatizzando l'authoring delle scene e la ricostruzione neurale degli scenari, NVIDIA mira a ridurre la dipendenza dall'etichettatura manuale dei dati e dai test fisici. Queste physical AI agent skills sono ora disponibili per i ricercatori tramite GitHub e la piattaforma NVIDIA Brev, che offre crediti di prova per i primi utilizzatori.

Modelli avanzati per la robotica e la guida

Centrale in questa espansione è GraspGen-X, un modello foundation costruito specificamente per il robotic grasping zero-shot. NVIDIA ha addestrato questo modello su 2 miliardi di prese simulate, consentendo ai robot di gestire oggetti sconosciuti senza un precedente addestramento specifico. Questa capacità è essenziale per i settori della logistica e della produzione, dove la varietà degli oggetti spesso supera i metodi di programmazione tradizionali.

Per il settore automobilistico, l'azienda ha presentato LCDrive, un modello progettato per l'hardware di guida integrato. Questo sistema utilizza rappresentazioni latenti per elaborare i dati ambientali, il che si traduce in velocità di ragionamento superiori rispetto alle architetture precedenti. Ottimizzando il modo in cui i veicoli autonomi interpretano l'ambiente circostante, LCDrive migliora la reattività dei sistemi critici per la sicurezza in scenari in tempo reale.

Impatto strategico sullo sviluppo autonomo

L'introduzione di queste physical AI agent skills rappresenta un passaggio verso lo sviluppo simulation-first. NVIDIA ha inoltre presentato NitroGen, un modello foundation di IA generalizzato per il gameplay. Questo modello è stato addestrato su oltre 40.000 ore di interazione in 1.000 giochi diversi per aiutare gli embodied agents ad apprendere comportamenti complessi in ambienti diversificati. Tale addestramento cross-domain aiuta gli agenti a generalizzare meglio nel passaggio dalle simulazioni virtuali al mondo fisico.

Oltre alle applicazioni industriali, l'azienda ha rilasciato Cosmos-H-Surgical-Simulator, un dataset personalizzato per la robotica chirurgica. Questa mossa indica un'espansione nell'automazione sanitaria ad alta precisione. Fornendo l'infrastruttura per generare dati sintetici ad alta fedeltà, NVIDIA si sta posizionando come lo strato fondamentale per la prossima generazione di macchine autonome in molteplici settori.

Sebbene ci impegniamo per l'accuratezza, bytevyte può commettere errori. Si consiglia agli utenti di verificare tutte le informazioni in modo indipendente. Non accettiamo alcuna responsabilità per errori o omissioni.

Sources

NVIDIA Enables the Next Era Of Physical AI Research With Agent Skills

NVIDIA Research Unlocks Advanced Grasping and Driving

✔Human Verified

Share