NVIDIA mostra como robôs treinam movimentos de precisão em ambientes virtuais

A NVIDIA apresentou novos recursos para o treinamento de robôs com inteligência artificial durante a Conferência sobre Aprendizado de Robôs (CoRL), realizada em Austin, nos Estados Unidos. Divulgado em 9 de novembro de 2026, o anúncio descreve uma estratégia baseada em simulações para ensinar máquinas a executar movimentos delicados, como alinhar engrenagens, conectar cabos e montar componentes pequenos.

A proposta é utilizar ambientes virtuais para que os robôs pratiquem diferentes ações antes de serem submetidos às mesmas tarefas em equipamentos físicos. Segundo o blog da NVIDIA, a combinação de modelos de inteligência artificial, dados de demonstrações e ferramentas de simulação pretende acelerar o desenvolvimento de habilidades de manipulação com maior precisão.

GR00T 2 combina dados de robôs e humanos

Entre os destaques está o GR00T 2, modelo aberto de inteligência artificial voltado à robótica. A tecnologia foi desenvolvida sobre a plataforma NVIDIA Cosmos e recebeu treinamento com dados coletados de robôs e de pessoas. De acordo com a empresa, esse conjunto inclui aproximadamente 100 mil horas de dados humanos em primeira pessoa, usados para ampliar a capacidade do sistema de interpretar e reproduzir ações.

O modelo também foi apresentado como uma alternativa para reduzir a necessidade de programar cada comportamento individualmente. A ideia é que uma habilidade aprendida em determinado tipo de robô possa ser transferida para outros modelos, mesmo quando existem diferenças entre os equipamentos. Esse tipo de transferência é relevante para tarefas de manipulação, nas quais pequenas variações de posição, força e movimento podem alterar o resultado.

Na prática, o treinamento busca fazer com que o robô associe uma instrução ou demonstração a uma sequência de ações. Em vez de depender exclusivamente de comandos criados para uma máquina específica, o sistema tenta generalizar o conhecimento obtido durante o aprendizado. A NVIDIA relaciona esse processo ao desenvolvimento de robôs capazes de executar trabalhos que exigem coordenação e controle mais precisos.

Simulações ajudam a avaliar tarefas delicadas

O anúncio também inclui o Isaac Lab 3.0, além de novos modelos de ação para ambientes virtuais e benchmarks abertos voltados à avaliação de robôs. Os benchmarks funcionam como referências comuns para medir o desempenho dos sistemas em tarefas de manipulação, permitindo comparar diferentes abordagens em condições definidas.

Entre as atividades consideradas estão o alinhamento de engrenagens, a conexão de cabos e a montagem de componentes pequenos. São exemplos de operações nas quais um movimento impreciso pode impedir o encaixe ou comprometer a sequência de montagem. Em ambientes simulados, pesquisadores e empresas conseguem testar estratégias sem depender, desde o início, de uma estrutura física para cada rodada de treinamento.

A NVIDIA afirma que o GR00T 2 completou ao menos uma vez 40 de 50 tarefas avaliadas sem receber demonstrações específicas para cada atividade. Em outro teste, o modelo registrou média de 71% de sucesso depois de uma demonstração por tarefa. Com cinco demonstrações, o índice chegou a 95%, segundo os resultados divulgados pela companhia.

Empresas e universidades participam do ecossistema

O conjunto de iniciativas apresentado na CoRL envolve empresas e instituições de pesquisa. A lista citada pela NVIDIA inclui Ambi Robotics, Bosch Research, Dexmate, Dyna Robotics, FieldAI, Siemens e Skild AI, além da Universidade da Califórnia em Berkeley e da Universidade de Washington.

A participação de organizações com perfis diferentes indica que a simulação é tratada como uma base compartilhada para pesquisa, desenvolvimento de modelos e avaliação de aplicações robóticas. Empresas podem utilizar as ferramentas para testar comportamentos, enquanto universidades contribuem com métodos de aprendizado e critérios para medir a eficiência das máquinas.

Os resultados, contudo, foram obtidos em avaliações controladas. Um desempenho elevado em um ambiente virtual não significa que o robô esteja pronto para operar de forma autônoma em qualquer fábrica, armazém ou espaço real. A passagem da simulação para o mundo físico exige que o sistema lide com as características específicas do equipamento e do local onde a tarefa será realizada.

O avanço apresentado pela NVIDIA está, portanto, na tentativa de tornar o treinamento mais escalável e de aproximar diferentes robôs de um repertório comum de habilidades. Com modelos abertos, ferramentas de simulação e benchmarks acessíveis, a empresa pretende apoiar uma etapa da robótica em que precisão, transferência de conhecimento e avaliação padronizada são tão importantes quanto a capacidade de movimentar peças.