Modelos de ação, simulação e aplicações de inteligência artificial no mundo físico.
9 artigos
Um preprint apresenta uma técnica que aprende com trajetórias do modelo professor e eleva o sucesso do OpenVLA-OFT de 26,2% para 76,6% em uma tarefa do ManiSkill. A comparação com outro método usa orçamentos diferentes, e o resultado ainda não demonstra transferência para outras tarefas ou para robôs físicos.
Em 20 de outubro de 2026, a NVIDIA disponibilizou publicamente cinco modelos da família Cosmos3-Nano. Estes checkpoints, com 16 bilhões de parâmetros, abrangem desde a simulação de direção multivista até a robótica cirúrgica, disponíveis para download direto no Hugging Face e no GitHub.
A Google apresenta o Argon com exemplos de controle robótico, reconstrução de simulações e raciocínio físico. O 87% comunicado no ERQA e os casos em vídeo são resultados do fornecedor, não provas independentes de um desempenho geral.
A Microsoft Research apresenta um sistema que modela como estudantes específicos poderiam responder a perguntas e orientações de um tutor. Os resultados são promissores em três áreas, mas a simulação não demonstra que um tutor melhore a aprendizagem real nem substitui testes com estudantes.
O Google amplia o acesso ao Gemini 4 Argon, apresentado para trabalhos prolongados de programação, ciência, finanças e cibersegurança. Os resultados e o uso real ainda precisam de avaliação independente; as informações disponíveis também não permitem confirmar capacidades concretas em robótica.
A Odyssey apresenta o Odyssey-3 como um modelo de mundo capaz de gerar ambientes interativos a partir de texto. A prévia permite conhecer o produto, mas as informações disponíveis não bastam para confirmar seus resultados em benchmarks nem seu uso em robôs reais.
Code to Control separa a geração da estrutura de um controlador do ajuste dos seus parâmetros. O preprint afirma que, depois de aprendido, o controlador pode atuar sem inferência do LLM nem planeamento em cada passo; as evidências disponíveis não bastam para avaliar os números, a reprodutibilidade ou a preparação para robôs reais.
A proposta busca dar acesso a modelos mais exigentes sem concentrar todo o processamento a bordo. As fontes descrevem vantagens potenciais, mas não apresentam aqui métricas nem detalhes suficientes para quantificar os resultados.
A versão 5.0 do Isaac ROS passa a oferecer suporte ao ROS 2 Lyrical e inclui mudanças no NITROS e em rosidl::Buffer. A NVIDIA apresenta o lançamento como uma base para fluxos de trabalho robóticos com agentes, mas as informações disponíveis não especificam tarefas concretas nem trazem validação independente dos resultados.