Nvidia har nylig publisert ny forskning som demonstrerer hvordan roboter trent i virtuelle miljøer kan overføre sine ferdigheter til å utføre oppgaver i uforutsigbare, virkelige omgivelser. Denne milepælen innen feltet kjent som simulering-til-virkelighet-overføring ble presentert i forkant av den internasjonale konferansen om robotikk og automatisering (ICRA) i Wien, som finner sted fra 1. til 5. juni 2026.
Blant Nvidias 28 aksepterte artikler på konferansen fokuserer åtte spesifikt på å bygge bro mellom simulert trening og fysisk implementering. Disse arbeidene dekker et bredt spekter av kapasiteter, inkludert robotnavigasjon, griping og montering, hvor roboter lærer å oppfatte, resonnere, planlegge og handle i dynamiske miljøer. Et av de fremhevede resultatene er en tredobling av hastigheten i multi-arm planleggingsscenarier som kjører på Nvidia Jetson-maskinvare.
Denne forskningen bygger på Nvidias bredere satsing på det de kaller "fysisk AI" – systemer som kan forstå og samhandle med den fysiske verden. På GTC 2026 i mars introduserte selskapet flere verktøy for å akselerere robotutvikling, inkludert Isaac GR00T, åpne modeller for naturlig språk-drevet robotkontroll, syntetisk datagenerering gjennom Cosmos verdensmodeller, og den åpen kildekode Newton 1.0 fysikkmotoren for fingerferdig manipulasjon.
Tilnærmingen med å bruke simulering først i robotikk har fått økt oppmerksomhet i industrien. Nvidias Isaac Sim-plattform lar utviklere modellere scenarier og validere systemer før implementering i den virkelige verden, mens Isaac Lab tilbyr rammeverk for storskala policy-trening. Toyota Research Institute og Mimic Robotics har brukt Nvidias Cosmos verdensmodeller for å trene roboter som trenger mindre virkelige data, hvor Mimic rapporterer ti ganger bedre prøveeffektivitet på manipulasjonsoppgaver.
Konferansen finner sted på et tidspunkt hvor robotikkselskaper beveger seg fra isolerte demonstrasjoner til skalerbar implementering. Nvidias cuMotion-bibliotek, som gir CUDA-akselerert bevegelsesplanlegging integrert i ROS 2, eksemplifiserer infrastrukturen som støtter denne overgangen. Selskapets Jetson edge computing-plattform håndterer on-device inferens, noe som gjør det mulig for roboter å ta beslutninger uten å være avhengige av skytilkobling.
"Robotikk går inn i en ny fase: fra kontrollerte demonstrasjoner og skriptet automatisering mot generaliserbar, pålitelig legemliggjort autonomi i den virkelige verden," uttalte Nvidia i sin kunngjøring.