TL;DR: A NVIDIA está impulsionando a inteligência artificial física e a robótica com um ecossistema integrado, lançando supercomputadores de IA produzidos nos EUA, o modelo fundacional aberto GR00T N1 para humanoides e o motor de física open-source Newton. A empresa também oferece vastos datasets, cursos gratuitos e plataformas avançadas de simulação (Isaac Sim/Lab) para acelerar a pesquisa e o desenvolvimento. Essas iniciativas visam fortalecer a colaboração, democratizar o acesso à tecnologia e facilitar a transição da simulação para aplicações no mundo real.
Takeaways:
- A NVIDIA iniciou a produção de supercomputadores de IA e chips Blackwell nos EUA, visando fortalecer a infraestrutura tecnológica local e reduzir a dependência externa.
- O lançamento do GR00T N1 oferece um modelo fundacional aberto e personalizável, projetado para acelerar o desenvolvimento de robôs humanoides capazes de realizar tarefas complexas.
- A colaboração com Google DeepMind e Disney resultou no Newton, um motor de física open-source para simulação robótica precisa, complementado por um dataset de IA física de 15TB também aberto.
- Cursos gratuitos através do Deep Learning Institute (DLI) e plataformas como Isaac Sim e Isaac Lab capacitam desenvolvedores a utilizar as ferramentas da NVIDIA para simulação e treinamento de robôs.
- Projetos como o Wheeled Lab demonstram o foco na integração simulação-realidade (Sim2Real), utilizando plataformas como Isaac Lab para treinar robôs em ambientes virtuais e transferir habilidades para o mundo físico.
Avanços na Inteligência Artificial Física e Robótica na NVIDIA
A NVIDIA tem se estabelecido como uma referência global na área de inteligência artificial e robótica, impulsionando inovações que transformam diversos setores, como manufatura, saúde e logística. As tecnologias pioneiras apresentadas recentemente demonstram um forte compromisso com a evolução dos sistemas inteligentes e a criação de ecossistemas robustos que unem hardware e software de ponta. Esse impulso inovador não apenas fortalece a competitividade industrial, mas também abre novas fronteiras para a pesquisa e o desenvolvimento de soluções sofisticadas.
Durante a Semana Nacional de Robótica, a empresa destacou iniciativas que combinam produção avançada, modelos personalizáveis e recursos educacionais de alta qualidade. Os investimentos em supercomputadores de IA, motores de física open-source e plataformas de simulação ilustram a abrangência e a profundidade das propostas da NVIDIA. Esses esforços colaborativos têm permitido a criação de um ambiente integrado onde a inovação é estimulada por parcerias estratégicas e tecnologias disruptivas.
O presente artigo apresenta um panorama detalhado dos principais avanços tecnológicos anunciados, explorando desde a implantação de fábricas de supercomputadores até o lançamento de modelos fundamentais para robôs humanoides. Cada seção abordará, de forma didática e progressiva, os aspectos técnicos e as implicações práticas dessas inovações. Assim, o leitor poderá compreender como essas iniciativas se interconectam para pavimentar o caminho do futuro da inteligência artificial física e da robótica.
Produção de Supercomputadores de IA Americanos pela NVIDIA nos EUA
A NVIDIA está investindo na produção doméstica de supercomputadores de IA ao inaugurar suas primeiras fábricas nos Estados Unidos, trazendo consigo a utilização dos avançados chips Blackwell. Essa iniciativa marca um importante avanço na infraestrutura de tecnologia de ponta, que visa reduzir a dependência de cadeias internacionais de suprimentos. Com a produção concentrada nos EUA, espera-se um aumento na competitividade e uma resposta mais ágil às demandas do mercado global.
Os chips Blackwell, cuja fabricação tem início no estado do Arizona, representam uma inovação crucial para o desenvolvimento de sistemas de inteligência artificial de alto desempenho. A implantação dessas fábricas não só reforça a capacidade tecnológica local, mas também evidencia o comprometimento da NVIDIA em estimular a economia e o setor de tecnologia americanos. Essa estratégia cria um ambiente propício para a experimentação e a integração de novas soluções em IA.
Ao fortalecer a produção interna, a NVIDIA contribui para a consolidação de um ecossistema de IA robusto e resiliente. Essa abordagem permite maior controle sobre a qualidade e a evolução dos componentes tecnológicos, resultando em supercomputadores que atendem às exigências de aplicações críticas. Dessa forma, a infraestrutura elevada promove a pesquisa avançada e potencializa a inovação na criação de máquinas inteligentes.
NVIDIA Isaac GR00T N1: Modelo Fundamental para Robôs Humanoides
O NVIDIA Isaac GR00T N1 representa o primeiro modelo fundacional aberto e totalmente personalizável para robôs humanoides, marcando uma mudança significativa na maneira como as máquinas podem ser programadas e controladas. Essa plataforma inovadora possibilita o desenvolvimento de robôs capazes de realizar tarefas complexas com um grau elevado de autonomia e raciocínio. A flexibilidade do modelo permite que os desenvolvedores ajustem suas funcionalidades para atender a diferentes demandas e cenários.
Uma das características mais destacadas do Isaac GR00T N1 é a sua capacidade de controlar simultaneamente dois braços robóticos, o que amplia a gama de aplicações práticas. Essa otimização para a manipulação de diversos elementos em ambientes dinâmicos é um diferencial importante, sobretudo em setores que exigem precisão e coordenação. A abertura do modelo facilita a personalização e adapta-o a contextos variados, promovendo a experimentação e o desenvolvimento colaborativo.
O lançamento deste modelo consolidou a posição da NVIDIA como uma líder em soluções de inteligência artificial para o controle e a simulação de robôs humanoides. Ao oferecer uma plataforma flexível e escalável, a empresa incentiva a inovação na área, possibilitando a criação de robôs que aprendem e evoluem constantemente. Essa abordagem abre portas para novas aplicações na indústria, na pesquisa e em diversas outras áreas que demandam robôs inteligentes e adaptáveis.
Newton: Motor de Física Open-Source para Simulação Robótica
Em uma colaboração inovadora entre NVIDIA, Google DeepMind e Disney Research, o motor de física Newton é lançado como uma ferramenta open-source para simulação robótica. Esse recurso proporciona simulações precisas de ambientes complexos, fundamentais para o treinamento e o desenvolvimento de robôs em condições que se assemelham ao mundo real. A abertura do código-fonte permite que pesquisadores e desenvolvedores aprimorem e personalizem o motor conforme suas necessidades específicas.
A capacidade de Newton de criar simulações realistas é um avanço importante para o campo da robótica, pois favorece a experimentação sem riscos e com baixo custo operacional. Essa precisão possibilita que robôs sejam treinados em cenários virtuais antes de serem implementados em ambientes reais, reduzindo assim erros e aumentando a eficiência dos processos de desenvolvimento. Além disso, a natureza open-source do projeto promove uma comunidade colaborativa e acelerada na resolução de desafios complexos.
Ao incentivar o compartilhamento de conhecimento e a colaboração entre diferentes instituições, o motor de física Newton atua como um catalisador para inovações no campo da simulação robótica. Essa iniciativa fortalece a integração entre tecnologias e fomenta o aprendizado contínuo, criando um ambiente dinâmico para o avanço da inteligência artificial física. Com recursos de alta qualidade à disposição, tanto pesquisadores quanto profissionais têm a oportunidade de explorar novas frentes e refinar suas abordagens para o desenvolvimento de robôs inteligentes.
Cursos Gratuitos da NVIDIA para Desenvolvedores de Robótica
A NVIDIA disponibiliza uma série de cursos gratuitos por meio do Deep Learning Institute (DLI), direcionados a desenvolvedores de robótica que buscam se atualizar em tecnologias avançadas. Esses cursos auto-guiados abrangem desde conceitos fundamentais até workflows práticos, utilizando as plataformas NVIDIA Isaac, Isaac ROS, Isaac Sim e Isaac Lab. Essa iniciativa democratiza o acesso a conhecimentos de ponta e incentiva o aprimoramento das competências técnicas no campo da robótica.
A oferta dos cursos reflete o compromisso da NVIDIA em fomentar uma comunidade ampla e preparada para os desafios do futuro, combinando teoria com aplicação prática. Ao proporcionar laboratórios de treinamento – inicialmente realizados presencialmente e agora disponibilizados online – a empresa garante que os interessados possam experimentar e aprender de forma interativa. Esse modelo de ensino permite a assimilação de conhecimentos complexos em um formato acessível e consistente.
Além de capacitar profissionais e entusiastas, esses cursos ampliam a rede de colaboração e inovação na área de robótica. O acesso a recursos educacionais de alta qualidade estimula o desenvolvimento de soluções inovadoras e fortalece o ecossistema de IA. Com um conteúdo atualizado e orientado para desafios reais, a NVIDIA contribui significativamente para a formação de uma nova geração de especialistas em robótica.
Conjunto de Dados de IA Física Open-Source da NVIDIA
A NVIDIA lançou um conjunto de dados open-source de IA física que tem como objetivo acelerar projetos de pesquisa e desenvolvimento no campo da robótica. Com 15 terabytes de dados e mais de 320.000 trajetórias disponíveis para treinamento, o dataset fornece uma base robusta e comercialmente validada para o desenvolvimento de soluções inteligentes. A iniciativa reforça o compromisso com a democratização do acesso a dados de alta qualidade.
Disponibilizado em plataformas renomadas como Hugging Face e GitHub, esse conjunto de dados integra ativos compatíveis com o Universal Scene Description (OpenUSD). Essa padronização facilita a integração dos dados em diversas aplicações e ambientes de simulação, ampliando as possibilidades de uso para pesquisadores e desenvolvedores. O acesso aberto incentiva a experimentação, permitindo que diferentes entidades colaborem para aprimorar modelos e simulações robóticas.
A robustez e a abrangência dos dados oferecidos contribuem para a melhoria contínua dos algoritmos de aprendizado e para a aceleração dos processos de treinamento dos robôs. Ao prover um recurso completo e validado, a NVIDIA facilita o desenvolvimento de projetos inovadores e a superação de desafios técnicos em aplicações reais. Esse ambiente colaborativo fortalece o avanço tecnológico e estimula a criação de novas soluções na interface entre simulação e realidade.
Scaled Foundations: Acelerando a Implantação de Robôs com NVIDIA Isaac Sim
A plataforma GRID da Scaled Foundations integra o NVIDIA Isaac Sim para oferecer uma solução inovadora e ágil no desenvolvimento de robôs com inteligência artificial avançada. Essa integração permite aos usuários acesso a ferramentas de simulação e desenvolvimento diretamente através do navegador, proporcionando um ambiente interativo e altamente intuitivo. Essa abordagem facilita o teste e a implementação de soluções em tempo real, acelerando o ciclo de inovação.
Com essa ferramenta, o processo de desenvolvimento e implantação de soluções robóticas se torna mais dinâmico e acessível, atendendo às demandas de diversos setores industriais. A plataforma auxilia desde a prototipagem até o gerenciamento de inteligência robótica, permitindo que os profissionais concentrem seus esforços na criação de aplicações eficientes. A capacidade de simulação integrada garante que testes complexos possam ser realizados de forma rápida e segura, otimizando o desempenho dos robôs.
Ao conectar o ambiente virtual com as necessidades práticas do mercado, a Scaled Foundations estabelece um novo padrão para o desenvolvimento de robôs inteligentes. Essa estratégia de aceleração permite a identificação e a resolução de desafios de forma colaborativa e iterativa, impulsionando a inovação. Dessa forma, as soluções robóticas podem ser implantadas de maneira mais eficiente, contribuindo para a transformação digital em múltiplas áreas.
Wheeled Lab: Robótica Simulação-Realidade com NVIDIA Isaac Lab
O projeto Wheeled Lab, desenvolvido pela Universidade de Washington, utiliza o NVIDIA Isaac Lab para promover a convergência entre simulação e realidade no treinamento de robôs sobre rodas. Essa iniciativa explora técnicas avançadas de aprendizado por reforço para capacitar robôs a realizar tarefas complexas, como navegação visual e desvio de obstáculos. A integração de métodos de simulação realística com algoritmos de aprendizado permite o desenvolvimento de soluções robustas para desafios cotidianos.
Por meio da aplicação de randomização de domínio e simulação de sensores, os robôs treinados no Wheeled Lab são expostos a uma ampla variedade de cenários e condições operacionais. Essa abordagem garante que os modelos desenvolvidos possam adaptar-se com maior eficácia quando transferidos para ambientes reais, sem a necessidade de intervenções manuais extensivas. A experimentação em ambientes virtuais amplia o leque de possibilidades, resultando em robôs com desempenho superior e maior resiliência.
A convergência entre simulação e realidade demonstrada pelo Wheeled Lab exemplifica o potencial transformador do NVIDIA Isaac Lab. O projeto evidencia como a combinação de tecnologias avançadas e estratégias inovadoras pode superar barreiras técnicas, facilitando a criação de robôs mais inteligentes e adaptáveis. Essa iniciativa representa um passo decisivo na integração de métodos de simulação na prática robótica, estabelecendo novos paradigmas para o treinamento e a operação de máquinas autônomas.
Conclusão
Em síntese, os avanços anunciados pela NVIDIA em inteligência artificial física e robótica abrangem desde a produção de supercomputadores com chips Blackwell e a criação de modelos personalizados para robôs humanoides até a oferta de recursos educacionais e conjuntos de dados open-source. Essas iniciativas demonstram uma abordagem integrada que une hardware avançado, ferramentas de simulação sofisticadas e estratégias de ensino colaborativo. O resultado é um ecossistema robusto capaz de acelerar o desenvolvimento de soluções inteligentes para diversos setores.
As interconexões entre as diferentes tecnologias – como motores de física open-source, plataformas de simulação e cursos especializados – evidenciam a importância de uma visão holística para a inovação em robótica. A colaboração entre instituições, a abertura de recursos e o incentivo à educação se configuram como pilares fundamentais para o progresso contínuo na área. Essa sinergia promove um ciclo virtuoso de aprendizado e aprimoramento, onde cada avanço fortalece as bases para novas descobertas e aplicações práticas.
O futuro da inteligência artificial física e da robótica aponta para uma integração cada vez maior entre simulação e realidade, democratizando o acesso a tecnologias de ponta e impulsionando a automação em setores estratégicos. Com uma ênfase na colaboração e na abertura de dados e modelos, espera-se que essas inovações transformem as cadeias produtivas, melhorem processos industriais e ampliem as oportunidades de pesquisa e desenvolvimento. Assim, os desafios atuais poderão ser superados por meio de soluções integradas e inteligentes, que configuram o novo paradigma da era digital.
Referências
- Fonte: NVIDIA Newsroom. “NVIDIA Newsroom”. Disponível em: https://blogs.nvidia.com/blog/author/nvidianewsroom/
- Fonte: Robotics Simulation. “Robotics Simulation”. Disponível em: https://www.nvidia.com/en-us/use-cases/robotics-simulation/
- Fonte: Robot Learning. “Robot Learning”. Disponível em: https://www.nvidia.com/en-us/use-cases/robot-learning/
- Fonte: World foundation models. “World foundation models”. Disponível em: https://www.nvidia.com/en-us/glossary/world-models/?ncid=pa-srch-goog-617078&_bt=738313126223&_bk=world%20foundation%20model&_bm=b&_bn=g&_bg=180166076110&gad_source=1&gclid=EAIaIQobChMIt8mxo4-4jAMV1xFECB14lSGYEAAYASAAEgISsfD_BwE
- Fonte: NVIDIA Isaac GR00T N1. “NVIDIA Isaac GR00T N1”. Disponível em: https://nvidianews.nvidia.com/news/nvidia-isaac-gr00t-n1-open-humanoid-robot-foundation-model-simulation-frameworks
- Fonte: NVIDIA Isaac Sim. “NVIDIA Isaac Sim”. Disponível em: https://developer.nvidia.com/isaac/sim
- Fonte: Isaac Lab. “Isaac Lab”. Disponível em: https://developer.nvidia.com/isaac/lab
- Fonte: Synthetic data generation. “Synthetic data generation”. Disponível em: https://www.nvidia.com/en-us/use-cases/synthetic-data/
- Fonte: NVIDIA Isaac. “NVIDIA Isaac”. Disponível em: https://developer.nvidia.com/isaac
- Fonte: Physical AI. “Physical AI”. Disponível em: https://www.nvidia.com/en-us/glossary/generative-physical-ai/?ncid=pa-srch-goog-359637&_bt=736250757250&_bk=nvidia%20physical%20ai&_bm=b&_bn=g&_bg=176691904220&gad_source=1&gclid=EAIaIQobChMIztiCg4-4jAMVgiBECB0y7TSaEAAYASAAEgI0tvD_BwE
- Fonte: An Introduction to Building Humanoid Robots. “An Introduction to Building Humanoid Robots”. Disponível em: https://www.nvidia.com/en-us/on-demand/session/gtc25-s72590/
- Fonte: Humanoid Developer Day. “Humanoid Developer Day”. Disponível em: https://www.nvidia.com/en-us/on-demand/playlist/playList-65d9c18b-207e-4cc3-8a16-81dc3ead10f4/
- Fonte: Physical AI and Robotics Playlist. “Physical AI and Robotics Playlist”. Disponível em: https://www.nvidia.com/en-us/on-demand/playlist/playList-2cb186f1-7177-4c5c-8cc9-16019c2ef7aa/
- Fonte: Edge Computing Playlist. “Edge Computing Playlist”. Disponível em: https://www.nvidia.com/en-us/on-demand/playlist/playList-8841c34e-17ba-424a-b64e-cfedc0c6b437/
- Fonte: Robotics Fundamentals Learning Path. “Robotics Fundamentals Learning Path”. Disponível em: https://www.nvidia.com/en-us/learn/learning-path/robotics/
- Fonte: Isaac ROS. “Isaac ROS”. Disponível em: https://developer.nvidia.com/isaac/ros
- Fonte: Develop, Simulate and Deploy Robot Intelligence With Scaled Foundations. “Develop, Simulate and Deploy Robot Intelligence With Scaled Foundations”. Disponível em: https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-38+V1
- Fonte: Generating High-Quality Motion Data for Robotics With MobilityGen. “Generating High-Quality Motion Data for Robotics With MobilityGen”. Disponível em: https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-37+V1
- Fonte: Software-in-the-Loop Testing for Robots With OpenUSD, Isaac Sim and ROS. “Software-in-the-Loop Testing for Robots With OpenUSD, Isaac Sim and ROS”. Disponível em: https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-39+V1
- Fonte: An Introduction to NVIDIA Cosmos for Physical AI. “An Introduction to NVIDIA Cosmos for Physical AI”. Disponível em: https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-42+V1
- Fonte: Imitation Learning Techniques Using NVIDIA Isaac Lab and Apple Vision Pro. “Imitation Learning Techniques Using NVIDIA Isaac Lab and Apple Vision Pro”. Disponível em: https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-40+V1
- Fonte: Accelerating ROS 2 With NVIDIA GPU-Powered Libraries and AI Models. “Accelerating ROS 2 With NVIDIA GPU-Powered Libraries and AI Models”. Disponível em: https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+S-OV-41+V1
- Fonte: Open-source physical AI dataset. “Open-source physical AI dataset”. Disponível em: https://blogs.nvidia.com/blog/open-physical-ai-dataset/
- Fonte: Hugging Face. “Hugging Face”. Disponível em: https://huggingface.co/collections/nvidia/physicalai-67c643edbb024053dcbcd6d8
- Fonte: Scaled Foundations. “Scaled Foundations”. Disponível em: https://www.scaledfoundations.ai/
- Fonte: NVIDIA Inception. “NVIDIA Inception”. Disponível em: https://www.nvidia.com/en-us/startups/
- Fonte: Introduction to Robot Simulation: Learn How to Develop, Simulate and Deploy Scalable Robot Intelligence. “Introduction to Robot Simulation: Learn How to Develop, Simulate and Deploy Scalable Robot Intelligence”. Disponível em: https://www.nvidia.com/en-us/on-demand/session/gtc25-dlit74633/
- Fonte: Wheeled Lab. “Wheeled Lab”. Disponível em: https://uwrobotlearning.github.io/WheeledLab/
- Fonte: driftpolicy.gif. “driftpolicy.gif”. Disponível em: https://blogs.nvidia.com/wp-content/uploads/2025/04/driftpolicy.gif
- Fonte: traininginisaaclabsimulatoin.gif. “traininginisaaclabsimulatoin.gif”. Disponível em: https://blogs.nvidia.com/wp-content/uploads/2025/04/traininginisaaclabsimulatoin.gif
- Fonte: niklashansen-1680×945.png. “niklashansen-1680×945.png”. Disponível em: https://blogs.nvidia.com/wp-content/uploads/2025/04/niklashansen-1680×945.png
- Fonte: Multi-Stage Manipulation With Demonstration-Augmented Reward, Policy and World Model Learning. “Multi-Stage Manipulation With Demonstration-Augmented Reward, Policy and World Model Learning”. Disponível em: https://adrialopezescoriza.github.io/demo3/
- Fonte: Hierarchical World Models as Visual Whole-Body Humanoid Controllers. “Hierarchical World Models as Visual Whole-Body Humanoid Controllers”. Disponível em: https://www.nicklashansen.com/rlpuppeteer/
- Fonte: TD-MPC2. “TD-MPC2”. Disponível em: https://www.tdmpc2.com/
- Fonte: Graduate Program Fast Forward. “Graduate Program Fast Forward”. Disponível em: https://register.nvidia.com/flow/nvidia/gtcs25/ap/page/catalog/session/1724365053265001qbQ1
- Fonte: Seeed Studio Embodied AI Hackathon. “Seeed Studio Embodied AI Hackathon”. Disponível em: https://lu.ma/vnndgrnf
- Fonte: LeRobot SO-100ARM. “LeRobot SO-100ARM”. Disponível em: https://www.seeedstudio.com/SO-ARM100-Low-Cost-AI-Arm-Kit-Pro-p-6343.html
- Fonte: jchun/so100_pickplace_small_20250322_163234. “jchun/so100_pickplace_small_20250322_163234”. Disponível em: https://huggingface.co/datasets/jchun/so100_pickplace_small_20250322_163234
- Fonte: JChunX/apple_pie/tree/seeed_hacks. “JChunX/apple_pie/tree/seeed_hacks”. Disponível em: https://github.com/JChunX/apple_pie/tree/seeed_hacks
- Fonte: running-lerobot-so-100-arm-on-nvidia-isaac-gr00t-n1. “running-lerobot-so-100-arm-on-nvidia-isaac-gr00t-n1”. Disponível em: https://www.hackster.io/firebreathing-rubber-duckies/running-lerobot-so-100-arm-on-nvidia-isaac-gr00t-n1-458189
- Fonte: 2025 IEEE Robotics and Automation Awards Announced. “2025 IEEE Robotics and Automation Awards Announced”. Disponível em: https://www.ieee-ras.org/about-ras/latest-news/2025-ieee-robotics-and-automation-awards-announced
- Fonte: International Conference on Robotics and Automation. “International Conference on Robotics and Automation”. Disponível em: https://2025.ieee-icra.org/
- Fonte: Shuran Song. “Shuran Song”. Disponível em: https://scholar.google.com/citations?hl=en&user=5031vK4AAAAJ&view_op=list_works&sortby=pubdate
- Fonte: Cosmos-Reason1: From Physical Common Sense to Embodied Reasoning. “Cosmos-Reason1: From Physical Common Sense to Embodied Reasoning”. Disponível em: https://arxiv.org/abs/2503.15558
- Fonte: Unified Video Action Model. “Unified Video Action Model”. Disponível em: https://arxiv.org/abs/2503.00200
- Fonte: RoboPanoptes: The All-Seeing Robot With Whole-Body Dexterity. “RoboPanoptes: The All-Seeing Robot With Whole-Body Dexterity”. Disponível em: https://arxiv.org/abs/2501.05420
- Fonte: Abhishek Gupta. “Abhishek Gupta”. Disponível em: https://scholar.google.com/citations?hl=en&user=1wLVDP4AAAAJ
- Fonte: Skill Retrieval and Adaptation for Robotic Assembly Tasks. “Skill Retrieval and Adaptation for Robotic Assembly Tasks”. Disponível em: https://arxiv.org/abs/2503.04538
- Fonte: Hierarchical Action Models for Open-World Robot Manipulation. “Hierarchical Action Models for Open-World Robot Manipulation”. Disponível em: https://scholar.google.com/citations?view_op=view_citation&hl=en&user=1wLVDP4AAAAJ&sortby=pubdate&citation_for_view=1wLVDP4AAAAJ:Y5dfb0dijaUC
- Fonte: Rapidly Adapting Policies to the Real World via Simulation-Guided Fine-Tuning. “Rapidly Adapting Policies to the Real World via Simulation-Guided Fine-Tuning”. Disponível em: https://scholar.google.com/citations?view_op=view_citation&hl=en&user=1wLVDP4AAAAJ&sortby=pubdate&citation_for_view=1wLVDP4AAAAJ:eMMeJKvmdy0C
- Fonte: Yuke Zhu. “Yuke Zhu”. Disponível em: https://scholar.google.com/citations?user=mWGyYMsAAAAJ&hl=en
- Fonte: GR00T N1: An Open Foundation Model for Generalist Humanoid Robots. “GR00T N1: An Open Foundation Model for Generalist Humanoid Robots”. Disponível em: https://arxiv.org/abs/2503.14734
- Fonte: Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids. “Sim-to-Real Reinforcement Learning for Vision-Based Dexterous Manipulation on Humanoids”. Disponível em: https://scholar.google.com/citations?view_op=view_citation&hl=en&user=mWGyYMsAAAAJ&sortby=pubdate&citation_for_view=mWGyYMsAAAAJ:LhH-TYMQEocC
- Fonte: ASAP: Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills. “ASAP: Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills”. Disponível em: https://scholar.google.com/citations?view_op=view_citation&hl=en&user=mWGyYMsAAAAJ&sortby=pubdate&citation_for_view=mWGyYMsAAAAJ:P7Ujq4OLJYoC
- Fonte: Robotics Research and Development Digest (R2D2)tech blog series. “Robotics Research and Development Digest (R2D2)tech blog series”. Disponível em: https://developer.nvidia.com/blog/tag/robotics-research-development-digest-r2d2/
- Fonte: Robotics stay informed. “Robotics stay informed”. Disponível em: https://www.nvidia.com/en-us/industries/robotics/robotics-stay-informed/
- Fonte: NVIDIA Robotics on YouTube. “NVIDIA Robotics on YouTube”. Disponível em: https://www.youtube.com/channel/UCSKUoczbGAcMld7HjpCR8OA
- Fonte: NVIDIA Robotics on Discord. “NVIDIA Robotics on Discord”. Disponível em: https://discord.gg/w9VvuYdq
- Fonte: developer forums. “developer forums”. Disponível em: https://forums.developer.nvidia.com/c/omniverse/simulation/69
Deixe um comentário