Visit your regional NVIDIA website for local content, pricing, and where to buy partners specific to your country.
Robótica | IA no Edge | IA de Visão
À medida que os sistemas e a infraestrutura físicos no edge impulsionados por IA são cada vez mais automatizados, eles devem perceber, planejar e executar tarefas complexas de forma autônoma, desde detecção de padrões de tráfego e inspeção industrial até robôs móveis autônomos em armazéns e logística.
Para desenvolver e implantar a próxima geração de sistemas autônomos de IA, é necessário um novo framework. Isso envolve o treinamento de modelos de IA generalizados e multimodais para várias tarefas e, em seguida, testar e validar esses modelos e seu software associado na simulação. Por fim, todo o stack é implantado no sistema de IA no edge físico para executar ações em tempo real.
Os três computadores da NVIDIA para treinamento, simulação e implantação são essenciais para alcançar inteligência semelhante à humana para soluções autônomas no edge.
Os sistemas de IA industriais e físicos, de humanóides a fábricas, são acelerados pelos três computadores da NVIDIA para treinamento, simulação e inferência.
Desenvolvedores líderes mundiais competem em raciocínio, mobilidade, navegação e destreza de robôs humanoides em instalações de produção simuladas da NVIDIA Blackwell.
General-purpose humanoid robots are designed to adapt quickly to human-centric environments, handling tedious or physically demanding tasks. They are now being used in factories and healthcare facilities to assist humans and address labor shortages.
Training AI models is often hampered by limited or expensive real-world data. Synthetic data, generated through simulations or AI, can significantly reduce training time and costs while improving model performance.
Virtual facilities, including factories, warehouses and distribution centers, semiconductor fabs, and data centers, unlock new possibilities for the world’s heavy industries, allowing them to design,simulate, operate, and optimize their assets and processes—entirely virtually.
In a future where factories, retail spaces, and public areas operate efficiently and safely, multi-camera tracking uses hundreds of cameras to accurately monitor and manage large areas by following objects and measuring activity.
Traditional video analytics use fixed models limited to detecting predefined objects. Generative AI and foundation models enable more complex, broad perception and contextual understanding, creating smarter video analytics AI agents.
Physical AI-powered robots must autonomously sense, plan, and perform complex tasks in dynamic environments. A "sim-first" approach, using robot simulation in digital environments, is essential for training and validating these systems before deployment.
O NVIDIA Project DIGITS traz o poder da Grace Blackwell para desktops de desenvolvedores. O GB10 Superchip, combinado com 128 GB de memória unificada do sistema, permite que pesquisadores de IA, cientistas de dados e estudantes trabalhem com modelos de IA localmente com até 200 bilhões de parâmetros.