Nvidia 拉丁美洲总监 Marcio Aguiar 表示，现有的数据量已经允许开发具有非常快速推理能力的机器人。这项评估是在圣保罗举行的微软活动期间进行的，该高管强调了向物理人工智能的过渡。
该技术将生成人工智能集成到物理系统中，从而能够在人形机器人和其他自主机器中应用。阿吉亚尔强调，人工智能的前几个阶段，例如生成阶段和代理阶段，为这一进步奠定了坚实的基础。
这位高管参加了微软人工智能之旅，并强调英伟达多年来一直在投资机器人解决方案。该公司为该行业的主要公司提供硬件和软件。
物理人工智能的最新进展
Nvidia 于 2026 年初推出了物理 AI 开放模型，加速了人形机器人的训练。这些模型包括 GR00T 等工具，旨在在物理实施之前模拟虚拟环境中的复杂行为。
全球合作伙伴使用这些平台来验证工厂和城市空间中的机器人动作。集成使机器能够感知周围环境并自主做出反应。
工业中的实际应用
配备计算机视觉的机器人已经在生产线上运行，实时识别物体并调整动作。此功能可减少工业环境中的错误并提高效率。
在汽车领域，自动驾驶汽车和机器人出租车采用了类似的安全导航技术。 Nvidia 提供处理大量传感数据的处理器。
国际实施实例
在日本，人形机器人协助医院的医疗团队，向患者运送药品和用品。这些机器的运行集成到医院的工作流程中。
Figure 和 NEURA Robotics 等公司采用 Nvidia 平台来开发更自然的类人行为。测试包括广泛的模拟，以确保日常任务的准确性。
硬件和软件开发
英伟达的重点是开发用于训练机器人人工智能模型的专用芯片。该领域一百多家领先公司在其项目中使用这些组件。
该生态系统包括促进开发人员之间协作的开放框架。这些工具允许在不同的场景中训练机器人，而无需初始物理数据。
与生成式人工智能集成
将生成式人工智能与物理系统相结合，创造出能够通过观察学习任务的机器人。最近的 Nvidia 模型处理视频和指令以生成自主操作。
这种方法加速了人类环境中类人机器人的开发。 Omniverse 中的模拟以高保真度再现现实世界的条件。
工厂和医院的机器人
智能机械臂已经监控装配线并根据检测到的变化调整操作。技术可最大限度地减少中断并优化生产流程。
在医疗机构中，机器人运送必需品并监控路线以避开障碍物。逐步实施可确保与人类互动的安全。
自动驾驶车辆和机器人出租车
自动驾驶出行领域持续投资于数据处理平台。机器人汽车和出租车使用内置传感器进行瞬间决策。
英伟达与汽车制造商合作，扩大在真实城市条件下的测试。进步包括准确绘制地图和预测行人行为。
通用类人机器人的前景
通用类人机器人能够在为人类设计的空间中适应多种任务。 Nvidia 提供支持持续学习的计算核心。
- 虚拟模拟训练可加速运动技能的提高。
- 开放模型允许开发者社区做出贡献。
- 与计算机视觉的集成改善了与各种对象的交互。
- 专用处理器支持操作过程中的实时推理。
技术的逐步扩展
物理人工智能的采用逐渐出现在不同的领域。用户与更智能的机器交互，却没有意识到潜在的复杂性。
在大规模扩张之前，英伟达仍然专注于成熟的生成解决方案。该策略保证了关键应用程序的稳定性。
开放平台和协作
Isaac Lab 和 OSMO 促进受控环境中的机器人政策评估。开发人员访问库以进行性能基准测试。
与开源社区的集成加速了机器人技术的创新。合作伙伴公司测试下一代机器人的新行为。
英伟达继续扩大其产品组合，以支持自主机器人技术的发展。对计算基础设施的投资支持物理机器中高级推理所需的大型数据集的处理。
