NVIDIA acelera la robótica humanoide con plataformas de computación de nube a robot para IA física

En la conferencia COMPUTEX 2025, Nvidia El director ejecutivo, Jensen Huang, anunció actualizaciones de las tecnologías robóticas fundamentales de la compañía. Entre ellas se encuentran Isaac GR00T N1.5, una versión mejorada del modelo básico abierto y personalizable de Nvidia para el razonamiento y la ejecución de tareas humanoides, y GR00T-Dreams, un modelo diseñado para generar datos sintéticos de movimiento que faciliten el entrenamiento físico de la IA. Estas actualizaciones forman parte de un esfuerzo más amplio que incluye los sistemas Blackwell de Nvidia, cuyo objetivo es acelerar el desarrollo de robots humanoides.

El modelo Isaac GR00T-Dreams permite generar secuencias de movimiento sintéticas, conocidas como trayectorias neuronales, que los desarrolladores de IA física pueden usar para entrenar robots en comportamientos adaptables. Los desarrolladores pueden refinar un modelo de base del mundo (WFM) de Cosmos Predict para su robot específico y, a partir de una sola imagen de entrada, GR00T-Dreams crea videos que muestran al robot ejecutando tareas en diversos entornos. Estas simulaciones se traducen en tokens de acción, segmentos de datos compactos que guían el aprendizaje robótico.

Este nuevo modelo se basa en el modelo GR00T-Mimic presentado en la conferencia NVIDIA GTC en marzo. Mientras que GR00T-Mimic se centra en ampliar los datos de movimiento existentes mediante plataformas como NVIDIA Omniverse y NVIDIA Cosmos, GR00T-Dreams se centra en la producción de conjuntos de datos de movimiento originales íntegramente dentro de la plataforma Cosmos.

Isaac GR00T N1.5 representa la actualización inicial del modelo base adaptable y ampliamente aplicable de Nvidia, diseñado para respaldar las funciones cognitivas humanoides y el desempeño de tareas.

“Las demostraciones humanas no son escalables; están limitadas por la cantidad de horas del día”, dijo Jensen Huang. 

El modelo GR00T-Dreams introdujo un método para generar grandes volúmenes de datos sintéticos de movimiento a partir de imágenes individuales. Este enfoque facilita un entrenamiento más eficiente del comportamiento de los robots mediante la producción de unidades de datos condensadas, conocidas como tokens de acción. 

Los datos sintéticos generados a través de este método redujeron el tiempo de desarrollo del modelo GR00T N1.5, que se completó en 36 horas, un proceso que de otro modo habría tomado cerca de tres meses. 

El modelo actualizado demuestra un rendimiento mejorado en la ejecución de tareas estándar relacionadas con el manejo de materiales y la fabricación y se espera que sea compatible con Jetson Thor, cuyo lanzamiento está previsto para finales de año.

Nuevos marcos de simulación de robots y generación de datos para acelerar los procesos de formación

Esta terapia, además NVIDIA Ha introducido una gama de tecnologías de simulación destinadas a mejorar la accesibilidad de los datos y las capacidades de prueba para la física. AI . 

Entre estas herramientas se encuentra NVIDIA Cosmos Reason, un modelo de base de mundos diseñado para aplicar el razonamiento en cadena de pensamiento para generar datos sintéticos precisos, ahora disponible a través de Hugging Face. Además, Cosmos Predict 2, un modelo mejorado utilizado en el proyecto GR00T-Dreams, se lanzará próximamente con un rendimiento mejorado en la generación de mundos y una reducción de errores. NVIDIA también ha presentado Isaac GR00T-Mimic, un sistema capaz de producir grandes volúmenes de datos sintéticos de movimiento a partir de un número limitado de demostraciones humanas. 

Un conjunto de datos de código abierto ofrece ahora 24,000 00 secuencias de movimiento de alta calidad que respaldaron el entrenamiento de los modelos GR5.0T N. Se espera que Isaac Sim 2.2, una herramienta de simulación y generación de datos, esté disponible públicamente en GitHub, mientras que Isaac Lab 00, un entorno de aprendizaje robótico de código abierto, incluirá nuevas herramientas para probar los modelos GRXNUMXT N.