NVIDIA Unveils Physical AI Agent Skills to Accelerate Autonomous System Training
NVIDIA introduziu um conjunto de physical AI agent skills projetado para acelerar o desenvolvimento de sistemas autônomos em robótica e transporte. Anunciadas esta semana na Conference on Computer Vision and Pattern Recognition (CVPR) 2026, essas ferramentas utilizam o modelo de fundação NVIDIA Cosmos 3 para automatizar a geração de dados sintéticos, abordando um dos principais gargalos no treinamento de agentes incorporados (embodied agents).
O lançamento inclui habilidades especializadas para veículos autônomos (AVs) e robótica, integradas diretamente nos ambientes Isaac Sim 6.0 e Isaac Lab. Ao automatizar a criação de cenas e a reconstrução neural de cenários, a NVIDIA visa reduzir a dependência de rotulagem manual de dados e testes físicos. Essas physical AI agent skills já estão disponíveis para pesquisadores através do GitHub e da plataforma NVIDIA Brev, que oferece créditos de teste para adotantes iniciais.
Advanced Models for Robotics and Driving
Central para esta expansão é o GraspGen-X, um modelo de fundação construído especificamente para o agarre robótico zero-shot. A NVIDIA treinou este modelo em 2 bilhões de agarres simulados, permitindo que robôs manipulem objetos desconhecidos sem treinamento prévio específico. Essa capacidade é essencial para os setores de logística e manufatura, onde a variedade de objetos frequentemente supera os métodos tradicionais de programação.
Para o setor automotivo, a empresa estreou o LCDrive, um modelo projetado para hardware de direção embarcado. Este sistema utiliza representações latentes para processar dados ambientais, o que resulta em velocidades de raciocínio mais rápidas em comparação com arquiteturas anteriores. Ao otimizar a forma como os veículos autônomos interpretam seus arredores, o LCDrive melhora a capacidade de resposta de sistemas críticos de segurança em cenários de tempo real.
Strategic Impact on Autonomous Development
A introdução dessas physical AI agent skills representa uma mudança em direção ao desenvolvimento focado primeiramente em simulação. A NVIDIA também apresentou o NitroGen, um modelo de fundação de IA de gameplay generalizado. Este modelo foi treinado em mais de 40.000 horas de interação em 1.000 jogos diferentes para ajudar agentes incorporados a aprender comportamentos complexos em ambientes diversos. Esse treinamento entre domínios ajuda os agentes a generalizarem melhor quando transferidos de simulações virtuais para o mundo físico.
Além das aplicações industriais, a empresa lançou o Cosmos-H-Surgical-Simulator, um conjunto de dados sob medida para robótica cirúrgica. Este movimento indica uma expansão para a automação de alta precisão na saúde. Ao fornecer a infraestrutura para gerar dados sintéticos de alta fidelidade, a NVIDIA está se posicionando como a camada fundamental para a próxima geração de máquinas autônomas em múltiplos setores.
Embora nos esforcemos pela precisão, o bytevyte pode cometer erros. Os usuários são aconselhados a verificar todas as informações de forma independente. Não aceitamos qualquer responsabilidade por erros ou omissões.
Sources
NVIDIA Enables the Next Era Of Physical AI Research With Agent Skills
NVIDIA Research Unlocks Advanced Grasping and Driving
Related Articles
- NVIDIA Cosmos 3 é Lançado como Modelo de Fundação Aberto para Raciocínio de IA Física
- NVIDIA NemoClaw Estreia para Impulsionar Engenheiros de IA Autônomos em Simulação Industrial
- NVIDIA lança NemoClaw open-source stack para proteger agentes de IA autônomos
✔Human Verified