NVIDIA acelera robótica humanoide com plataformas de computação de nuvem para robôs para IA física

Na conferência COMPUTEX 2025, Nvidia O CEO Jensen Huang anunciou atualizações nas tecnologias robóticas fundamentais da empresa. Entre elas estão o Isaac GR00T N1.5, uma versão aprimorada do modelo básico aberto e personalizável da Nvidia para raciocínio humanoide e execução de tarefas, e o GR00T-Dreams, um projeto desenvolvido para gerar dados de movimento sintético para auxiliar no treinamento físico de IA. Essas atualizações fazem parte de um esforço mais amplo que inclui os sistemas Blackwell da Nvidia, com o objetivo de acelerar o desenvolvimento de robôs humanoides.

O projeto Isaac GR00T-Dreams permite a geração de sequências de movimento sintéticas — conhecidas como trajetórias neurais — que os desenvolvedores de IA física podem usar para treinar robôs em comportamentos adaptáveis. Os desenvolvedores podem refinar um modelo de base mundial (WFM) do Cosmos Predict para seu robô específico e, a partir de uma única imagem de entrada, o GR00T-Dreams cria vídeos mostrando o robô executando tarefas em diversos ambientes. Essas simulações são então convertidas em tokens de ação, segmentos compactos de dados que orientam o aprendizado robótico.

Este novo projeto baseia-se no projeto GR00T-Mimic apresentado na conferência NVIDIA GTC em março. Enquanto o GR00T-Mimic se concentra em ampliar os dados de movimento existentes usando plataformas como NVIDIA Omniverse e NVIDIA Cosmos, o GR00T-Dreams concentra-se na produção de conjuntos de dados de movimento originais inteiramente dentro da plataforma Cosmos.

Isaac GR00T N1.5 representa a atualização inicial do modelo de base adaptável e amplamente aplicável da Nvidia, projetado para dar suporte a funções cognitivas humanoides e desempenho de tarefas.

“As manifestações humanas não são escaláveis ​​— elas são limitadas pelo número de horas por dia”, disse Jensen Huang. 

O projeto GR00T-Dreams introduziu um método para gerar grandes volumes de dados sintéticos de movimento a partir de imagens únicas. Essa abordagem permite um treinamento mais eficiente do comportamento do robô, produzindo unidades de dados condensadas, conhecidas como tokens de ação. 

Os dados sintéticos gerados por esse método reduziram o tempo de desenvolvimento do modelo GR00T N1.5, que foi concluído em 36 horas — um processo que, de outra forma, levaria quase três meses. 

O modelo atualizado demonstra desempenho aprimorado na execução de tarefas padrão relacionadas ao manuseio de materiais e fabricação e deve ser compatível com o Jetson Thor, com lançamento previsto para o final do ano.

Novas estruturas de simulação de robôs e geração de dados para acelerar os pipelines de treinamento

Além disso, NVIDIA introduziu uma série de tecnologias de simulação destinadas a melhorar a acessibilidade de dados e as capacidades de teste para aplicações físicas AI sistemas. 

Entre essas ferramentas está o NVIDIA Cosmos Reason, um modelo de base mundial projetado para aplicar o raciocínio por cadeia de pensamento para gerar dados sintéticos precisos, agora disponível via Hugging Face. Além disso, o Cosmos Predict 2, um modelo aprimorado usado no projeto GR00T-Dreams, será lançado em breve com desempenho aprimorado na geração de mundos e erros reduzidos. A NVIDIA também apresentou o Isaac GR00T-Mimic, um sistema capaz de produzir grandes volumes de dados de movimento sintético a partir de um número limitado de demonstrações humanas. 

Um conjunto de dados de código aberto agora oferece 24,000 sequências de movimento de alta qualidade que auxiliaram no treinamento de modelos GR00T N. O Isaac Sim 5.0, uma ferramenta de simulação e geração de dados, deverá ser disponibilizado publicamente no GitHub, enquanto o Isaac Lab 2.2, um ambiente de aprendizado de robôs de código aberto, incluirá novas ferramentas para testar modelos GR00T N.