Nvidia anuncia modelos de IA abertos para robôs e fábrica virtual de treino na GTC 2025
A fabricante de chips apresentou novos modelos de código aberto para visão robótica, um gerador de dados sintéticos e parcerias para acelerar o desenvolvimento de robôs que entendem comandos em linguagem natural.
A Nvidia lançou o Cosmos, uma família de modelos de visão computacional (IA que interpreta imagens) com pesos abertos, e o Cosmos Nemotron, que gera vídeos sintéticos para treinar robôs. Também firmou parceria com Hugging Face e Physical Intelligence para criar robôs que entendem comandos em linguagem natural, e disponibilizou dados e ferramentas de simulação industrial.
A Nvidia anunciou na GTC 2025 (sua conferência anual de desenvolvedores) uma série de ferramentas voltadas para quem desenvolve IA física — termo que a empresa usa para sistemas de inteligência artificial que interagem com o mundo real, como robôs, drones e carros autônomos. O destaque é o Cosmos, uma família de modelos de visão computacional (a área da IA que ensina máquinas a "enxergar" e interpretar imagens e vídeos) com pesos abertos (ou seja, qualquer pessoa pode baixar, estudar e adaptar os modelos sem pagar). Os modelos foram treinados para entender cenas do mundo físico e rodam em hardware da própria Nvidia, como o Jetson Orin Nano (um computador compacto feito para rodar IA em robôs e dispositivos móveis).
Junto com os modelos, a Nvidia lançou o Cosmos Nemotron, um gerador de vídeos sintéticos que cria cenários virtuais para treinar robôs — por exemplo, simulações de um armazém ou de uma cozinha — sem precisar coletar milhares de horas de filmagem real. Esse tipo de dado sintético (gerado por computador, não capturado do mundo real) ajuda a acelerar o desenvolvimento porque permite testar situações raras ou perigosas sem riscos. A empresa também abriu ao público parte do dataset (conjunto de dados) usado para treinar o Cosmos, com milhões de vídeos anotados que mostram pessoas, objetos e ações cotidianas.
Outra novidade é a parceria com a Hugging Face (plataforma onde desenvolvedores compartilham e baixam modelos de IA) e a Physical Intelligence (startup que desenvolve robôs de uso geral). Juntas, as empresas estão trabalhando em modelos VLA (sigla em inglês para "ação de linguagem e visão"), que combinam a capacidade de entender comandos em texto — como "pegue a caneca vermelha" — com visão computacional e controle motor, permitindo que um robô execute a tarefa no mundo real. Esses modelos foram treinados em mais de 10.000 horas de vídeos de robôs realizando tarefas diversas, desde dobrar roupas até manipular ferramentas.
A Nvidia também anunciou o Omniverse Blueprints, um conjunto de fluxos de trabalho prontos para criar gêmeos digitais (réplicas virtuais) de fábricas, armazéns e linhas de montagem. A ideia é que empresas possam simular e otimizar operações antes de implementá-las no mundo real. Segundo a empresa, fabricantes como a Foxconn e a Siemens já usam a plataforma Omniverse para planejar layouts de produção e treinar robôs em ambiente virtual. Todos os modelos Cosmos e parte dos dados estão disponíveis para download gratuito, o que deve facilitar o acesso de startups e pesquisadores que antes dependiam de recursos fechados de grandes empresas.
