Robôs de IA da Nvidia: Instalação Autônoma de GPUs

A Revolução Robótica da Nvidia

• A Nvidia apresentou robôs autônomos capazes de aprender tarefas complexas e de alta precisão no mundo real.
• A demonstração da tecnologia ENPIRE inclui robôs instalando placas de vídeo em placas-mãe, organizando pinos metálicos e cortando abraçadeiras.
• Jim Fan, Diretor de IA da Nvidia, destaca que isso “permite a AutoPesquisa no mundo físico pela primeira vez!”

Como os Robôs Aprendem com ENPIRE

• O projeto ENPIRE equipou 8 agentes Codex com uma frota de robôs, GPUs e um orçamento de tokens.
• Os agentes recebem uma tarefa e buscam resolvê-la rapidamente e sem erros.
• Segundo Jim Fan, “A frota de robôs ganha vida: eles aprendem a buscar pistas visuais, redefinir o cenário, praticar novas habilidades, ajustar o controle, ler artigos online, debater, refletir, superar obstáculos e tentar novamente diretamente no hardware.”
• A chave é dar aos agentes uma “API para o mundo dos átomos”, permitindo que a inteligência emerja.

Os Módulos do ENPIRE

ENPIRE é uma estrutura que integra agentes de codificação e feedback físico através de quatro módulos principais:

• EN (Environment): Para redefinição e verificação automáticas do ambiente.
• PI (Policy Improvement): Responsável pelo refinamento da política de ações.
• R (Rollout): Avalia as políticas com um ou múltiplos robôs físicos em paralelo.
• E (Evolution): Agentes de codificação analisam logs, consultam literatura e melhoram o código para lidar com falhas.

Instalação Autônoma de GPUs em Destaque

• A demonstração mais impressionante foi a do robô instalando uma GPU sozinho.
• Um braço robótico seleciona e entrega a placa de vídeo a outro, que está com a placa-mãe.
• O segundo braço alinha cuidadosamente o slot PCIe da placa com o da placa-mãe e a encaixa.
• Outras tarefas de AutoPesquisa incluíram organizar pinos finos, amarrar e cortar abraçadeiras.

A Pesquisa por Trás da Inovação

• O artigo “ENPIRE: Agentic Robot Policy Self-Improvement in the Real World” detalha as técnicas da demonstração.
• Testes comparativos foram feitos com diferentes agentes de codificação, como Codex com GPT-5.5 e Claude Code com Opus 4.7.
• A escalabilidade da frota de robôs foi comprovada: “oito robôs explorando em paralelo resolvem a tarefa significativamente mais rápido.”
• O objetivo final, brincou Fan, é automatizar tanto que “Jensen nem perceberia” a ausência da equipe.