NVIDIA apresenta robôs com IA capazes de instalar GPUs em placas-mãe sozinhos

A NVIDIA apresentou robôs autônomos capazes de aprender tarefas de alta precisão e destreza no mundo real. Conforme Jim Fan, Diretor de IA e Cientista da NVIDIA, a demonstração da tecnologia ENPIRE mostra que os pesquisadores podem “viabilizar a AutoPesquisa no mundo físico pela primeira vez”.

E, como parte da demonstração dessa tecnologia ENPIRE, o time verde apresentou uma sala cheia de robôs realizando tarefas como pegar e encaixar uma placa de vídeo em uma placa-mãe, separar pinos de metal em um recipiente e manipular e cortar abraçadeiras corretamente.

Notícias Relacionadas:

• GPU-Z 2.70.0 traz suporte para novos chips profissionais
• Serpent Lake, as CPUs Intel com gráficos RTX da NVIDIA, chegam em 2028 [RUMOR]
• Microsoft testa recursos de IA do Copilot em GPUs NVIDIA, sem depender de NPUs

Explicando o processo

Jim Fan explica que o projeto ENPIRE forneceu a 8 agentes do Codex uma frota de robôs, uma alocação de GPUs e um generoso orçamento de tokens. Em seguida, os agentes receberam uma tarefa para resolver o mais rápido possível, sem cometer erros.

Uma vez instruídos, a frota de robôs aprendeu a “procurar pistas visuais, reconfigurar a cena, praticar novas habilidades, mexer na pilha de controle, ler artigos online, debater, refletir, encontrar dificuldades e tentar novamente diretamente no hardware”.

E, conforme o cientista de Stanford, “tudo o que fizemos foi fornecer ao Codex uma API para o mundo dos átomos, e o resto é emergência.”

Resultados

Na breve gravação do robô instalando a GPU sozinha, é possível ver um braço robótico selecionar e passar uma placa de vídeo para outro com uma placa-mãe à sua frente. O segundo braço então posiciona cuidadosamente o slot PCIe da placa para alinhá-lo com o slot da placa-mãe, desce suavemente e a encaixa no lugar.

Houve um pequeno movimento de vai e vem na inserção, mas imagina-se que teria funcionado bem. Outros projetos do AutoResearch que os robôs deveriam realizar incluíam organizar pinos finos, além de amarrar e cortar abraçadeiras de nylon.

E, no artigo de pesquisa associado, ENPIRE: Agentic Robot Policy Self-Improvement in the Real World, é possível aprender mais sobre as técnicas por trás dessa demonstração.

Nele, também é possível ver os resultados dos testes comparativos quando diferentes agentes de codificação foram usados, incluindo Codex com GPT-5.5, Claude Code com Opus 4.7 e Kimi Code com Kimi K2.6.

Os pesquisadores também testaram a ampliação da frota de robôs, concluindo que “oito robôs explorando em paralelo resolvem a tarefa significativamente mais rápido do que menos robôs”. Fan brincou que o objetivo é treinar os robôs, depois todos saem de férias, “e Jensen nem notaria”.

Porém, considerando os custos com tokens, talvez seja mais barato ainda usar pessoas

Fonte: NVIDIA.