Nvidia acredita que conceito pode ajudar dispositivos a realizarem mais complexas no mundo real. Em março, a empresa lançou o Isaac Gr00t N1, modelo treinado para ajudar robôs a manusearem objetos. Demonstração de robô com modelo Isaac Gr00t N1, da Nvidia
Divulgação/Nvidia
A Nvidia, gigante de chips e semicondutores, se prepara para o que vem após a inteligência artificial generativa, marcada pelo lançamento de serviços como o ChatGPT, Gemini e Copilot. Agora, a aposta da empresa é a inteligência artificial física.
A ideia é permitir que robôs humanoides e dispositivos como braços robóticos de fábricas consigam fazer ações complexas no mundo real, explicou nesta segunda-feira (28) o diretor-executivo da Nvidia na América Latina, Marcio Aguiar, durante o Web Summit Rio.
“Estamos nos movendo para a era da IA física, em que robôs auxiliam humanos em tarefas de forma repetitiva e muito mais eficiente”, disse o executivo.
A Nvidia lançou em março o Isaac Gr00t N1, modelo de inteligência artificial que serve de base para outras empresas criarem seus próprios robôs humanoides.
A empresa afirma que a novidade ajuda a acelerar a criação desses dispositivos porque o modelo já é pré-treinado para agarrar, mover e passar objetos de uma mão para a outra, além de fazer tarefas que exigem várias etapas.
A partir dele, desenvolvedores e pesquisadores podem fazer o chamado pós-treinamento para tarefas específicas em seu contexto.
“Se você quer dar a um humanoide poder de raciocínio, nós trazemos o cérebro”, disse o executivo em entrevista ao g1. “A Nvidia não fabrica nenhum robô, nenhum drone, nenhuma câmera, mas dá para todos esses fabricantes esse poder computacional”.
A empresa diz que outros modelos de IA generativa, como GPT, da OpenAI, e Llama, da Meta, não compreendem tão bem o mundo físico, o que limita a ação de robôs treinados a partir deles.
Com o conceito de IA física, modelos são treinados para ter mais compreensão de espaço e de regras de física do mundo real.
Esse treinamento é feito por uma técnica chamada de aprendizado por reforço, em que dispositivo consegue identificar imprevistos e encontrar uma solução rapidamente.
Isso permite que robôs se tornem bons para embalar caixas, construir veículos ou circular em ambientes sem supervisão, por exemplo.
Source link
