Durante a Conference on Robot Learning (CoRL), realizada nesta semana em Austin, no Texas, a NVIDIA apresentou um conjunto de tecnologias abertas para robótica que sinaliza uma mudança de foco na área: depois de anos usando a simulação para ensinar robôs a andar, rolar e saltar, os pesquisadores passaram a treinar máquinas em tarefas que exigem toque fino, como alinhar engrenagens, conectar cabos e montar componentes pequenos. A empresa também colocou holofotes sobre a chamada robótica agêntica, um paradigma que integra agentes de fronteira para produzir código interpretável para sistemas robóticos físicos.
Da locomoção para a manipulação
A virada da locomoção para a manipulação é o tema central da edição deste ano da CoRL, que reúne a comunidade acadêmica e industrial de aprendizado de robôs. Segundo a NVIDIA, a simulação deixou de ser apenas um campo de provas para o movimento e passou a funcionar como laboratório de precisão, no qual políticas de controle são testadas e refinadas em escala antes de chegarem ao hardware real.
No evento, a companhia apresenta modelos de ação de mundo (world action models), ferramentas de simulação, benchmarks e fluxos de trabalho agênticos. Dois artigos da empresa estão entre os seis finalistas ao prêmio de melhor paper, escolhidos entre milhares de submissões: o GRAIL, que descreve um pipeline de geração digital de ativos 3D e cenas prontas para simulador, e o RoboTTT, que propõe um modelo e uma receita de treinamento capazes de escalar o contexto visuomotor em três ordens de grandeza além do estado da arte sem aumentar a latência de inferência.
GR00T 2 e a promessa de generalizar com poucos dados
O principal anúncio é o GR00T 2, um modelo de ação de mundo aberto construído sobre o NVIDIA Cosmos e treinado com dados variados de robôs e de humanos, incluindo 100 mil horas de dados egocêntricos humanos de código aberto da própria NVIDIA. De acordo com a empresa, o modelo concluiu 40 das 50 tarefas avaliadas ao menos uma vez sem demonstrações específicas para cada tarefa.
Com apenas uma demonstração por tarefa, alcançou 71% de sucesso médio nas 50 tarefas, índice que sobe para 95% com cinco demonstrações. O modelo também aprende com demonstrações humanas e transfere habilidades entre corpos robóticos diferentes sem precisar de demonstrações feitas por robôs.
A NVIDIA afirma ainda que o GR00T 2 figura entre os três melhores modelos em todas as categorias de visão-linguagem-ação e de ação de mundo nos benchmarks RoboCasa365, RoboLab, RoboDojo e MolmoSpaces, com várias vitórias em rankings. Agentes de IA podem usar a interface de programação do modelo para encadear habilidades em sequência e se recuperar de erros.
Do vídeo ao dado de treinamento
Treinar robôs competentes depende de dados diversos, e a NVIDIA apresentou ferramentas para coleta e anotação. O novo fluxo aberto Video to Data converte vídeos de pessoas em demonstrações simuladas de robôs, com um desafio público convidando pesquisadores a aprimorar o método.
Já o modelo aberto EgoHand, demonstrado na CoRL, reconstrói o movimento tridimensional das mãos e foi treinado com dados da Noitom Robotics; segundo a empresa, acumulou mais de 40 mil downloads no Hugging Face nas duas semanas seguintes ao lançamento. Na base de tudo está o NVIDIA Isaac Lab, framework de código aberto para aprendizado de robôs, cuja versão mais recente é o Isaac Lab 3.0.
Parceiros testam em fábricas e armazéns
A NVIDIA lista um conjunto amplo de parceiros no desenvolvimento dessas tecnologias, entre eles Ambi Robotics, Bosch Research, Dexmate, Dyna Robotics, FieldAI, Flexion, Noitom Robotics, Siemens, Skild AI, RLWRLD, UC Berkeley, Walden Robotics e a University of Washington. Em aplicações concretas, a Nexuni testa o GR00T 2 no manuseio de roupas em lavanderias, a Foxconn aplica o modelo à automação de fábricas de servidores e a Siemens avalia seu uso em casos industriais.
A MicroAGI utiliza o GR00T 2, com pós-treinamento por aprendizado por reforço, para trocar cabos de Ethernet com um braço robótico YAM; sua abordagem agêntica automatiza a criação e a calibração de ambientes de simulação no Isaac Lab 3.0 e no Newton, onde a política é treinada, e o fluxo será demonstrado no evento.
Por que isso importa
A mensagem que a NVIDIA leva a Austin é que a distância entre demonstrações de laboratório e implantação industrial depende menos de um único modelo e mais de um ciclo completo: treinar em simulação, avaliar em condições variáveis e usar as falhas para orientar o próximo aprendizado. É esse ciclo que constrói precisão, adaptabilidade e autonomia.
Os números divulgados, como os 71% e 95% de sucesso do GR00T 2, vêm da própria empresa e de benchmarks que ela reporta, e ainda precisam ser confirmados por avaliações independentes em ambientes reais, onde a variabilidade física é maior do que nos simuladores. Ainda assim, o volume de parceiros industriais envolvidos e a presença de dois trabalhos entre os finalistas da CoRL indicam que a manipulação fina deixou de ser promessa de pesquisa para se tornar a próxima fronteira de disputa entre fornecedores de infraestrutura de IA para robótica.
