NVIDIA Research presenteert nieuwe doorbraken die agentic AI van het scherm naar de fysieke wereld brengen. In een gepubliceerd onderzoek toont het bedrijf hoe zijn AI-modellen zelfrijdende auto’s slimmer maken en robotarmen complexe grijpbewegingen leren uitvoeren zonder uitgebreide handmatige programmering.

Het onderzoek naar zelfrijdende voertuigen gebruikt agent-based training: AI-agents die in simulatie zelf obstakels leren herkennen, voorspellen en navigeren. De agents trainen op NVIDIA’s Omniverse-platform en transfereren hun vaardigheden direct naar fysieke voertuigen. Deze aanpak reduceert de benodigde hoeveelheid real-world rijdata aanzienlijk, een van de grootste kostenposten in de zelfrijdende industrie.

Voor robotica demonstreerde NVIDIA Grasp-MPC, een nieuw algoritme waarmee robotarmen onbekende objecten kunnen oppakken en manipuleren zonder vooraf getrainde grepen voor elk specifiek object. De combinatie van gesimuleerde training en real-world uitvoering markeert een belangrijke stap richting algemene robotica die niet meer afhankelijk is van taak-specifieke programmering. Beide onderzoeken zijn beschikbaar via NVIDIA’s open-source repositories.