Lançamentos

Nvidia lança modelo aberto GR00T 2 e framework Isaac Lab 3.0 para robótica

Anunciado na CoRL, o modelo de ação de mundo executa tarefas de manipulação delicada com poucas demonstrações e opera em conjunto com simulador atualizado.

Capa ilustrativa da editoria Lançamentos

Por que importa. Desenvolvedores de robótica ganham modelos e motores de física abertos para treinar manipulação fina em simulação paralela antes de carregar políticas no hardware real.

A Nvidia apresentou nesta segunda-feira (9) na Conference on Robot Learning (CoRL), em Austin, o GR00T 2, um modelo de ação de mundo aberto voltado para ensinar robôs a manipular objetos com precisão. O modelo foi construído sobre a base do Nvidia Cosmos e treinado com dados de humanos e máquinas, incluindo 100 mil horas de vídeos em perspectiva de primeira pessoa disponibilizados pela empresa.

Na prática, o GR00T 2 foi desenhado para dispensar grandes volumes de coleta física em bancada. Segundo a Nvidia, o modelo concluiu 40 de 50 tarefas de teste sem nenhuma demonstração específica prévia. Com apenas uma demonstração por tarefa, a taxa média de sucesso subiu para 71%, chegando a 95% quando alimentado com cinco exemplos. O sistema também permite transferir aprendizado de vídeos humanos diretamente para diferentes corpos robóticos sem exigir dados de treino na máquina de destino, além de expor uma API para agentes de IA encadearem habilidades e corrigirem erros em tempo de execução.

Empresas já começaram a testar a novidade em linhas de produção e serviços. A Foxconn avalia o GR00T 2 na automação de fábricas de servidores, enquanto a Siemens aplica o modelo em casos de uso industrial e a Nexuni testa o sistema no manuseio de roupas. Em uma demonstração na conferência, a MicroAGI utilizou o modelo com aprendizado por reforço para trocar cabos de rede Ethernet usando um braço robótico YAM, calibrando o ambiente de simulação por meio de fluxos com agentes autônomos.

Simulação paralela com Isaac Lab 3.0 e motor Newton

Junto ao modelo, a companhia lançou o Isaac Lab 3.0, atualização do seu framework aberto de aprendizado para robôs. A nova versão traz integração direta com o Newton, um motor de física de código aberto que permite simular objetos deformáveis, como tecidos, cabos e frutas, além de mãos articuladas com múltiplas juntas. Os pesquisadores podem alternar entre o Newton e o tradicional Nvidia PhysX conforme a necessidade da tarefa.

A combinação de algoritmos e física acelerada elevou a velocidade de treino em bancadas virtuais. De acordo com a Nvidia, o Isaac Lab 3.0 com Newton atingiu até 2,5 vezes o rendimento de processamento da versão 2.3 que rodava sobre PhysX em testes de manipulação visual complexa. A startup Skild AI aproveitou a plataforma para apresentar o STEEL, um novo resolvedor de física de corpos rígidos construído sobre o Newton para encurtar o tempo de treino no simulador.

Outro avanço de eficiência demonstrado foi o projeto AlphaNIST, desenvolvido dentro do Isaac Lab. Uma única política aprendeu todas as 20 tarefas da placa de montagem padrão do NIST, manipulando componentes milimétricos com índice de sucesso superior a 98%. O método alcançou o resultado consumindo cerca de 39 vezes menos tempo de GPU do que políticas isoladas para cada tarefa, impulsionado pela técnica Success-Guided Sampling, criada com a Universidade de Washington para direcionar o treinamento a cenários em que o robô ainda erra metade das tentativas.

Avaliação em larga escala e orquestração de agentes

Para medir o desempenho dos modelos antes do envio às fábricas, a Nvidia liberou a prévia da versão 0.4 do Isaac Lab-Arena. O framework de avaliação aberta executa políticas robóticas em milhares de variações paralelas para mapear exatamente quais condições ambientais causam falhas. Dois novos benchmarks foram introduzidos com essa estrutura: o DexBench, desenvolvido com a RLWRLD para testar destreza em varejo e logística, e o VABAR, parceria com a Universidade da Califórnia em Berkeley focada em seis tarefas industriais.

A universidade também apresentou o Graph-as-Policy (GaP), modelo de trabalho que utiliza agentes de IA para conectar habilidades individuais em programas de controle completos e interpretáveis para engenheiros revisarem. Parceiros como Ambi Robotics e Bosch Research estão avaliando o GaP para linhas de montagem. A Nvidia disponibilizou ainda o modelo aberto EgoHand, para reconstrução tridimensional de movimentos das mãos, mas não informou requisitos mínimos de hardware para execução do GR00T 2 na ponta final dos robôs.

Fontes

  • NVIDIA: Practice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation

Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.

WhatsAppLinkedInX
Voltar para a edição

Mais em Lançamentos

Ver todas

Quem constrói lê

Receba o Flipters no seu e-mail. A newsletter de IA para quem está tirando produto do papel.