تواصل شركة إنفيديا دفع عجلة التطور في مجال الروبوتات نحو مرحلة جديدة تعتمد على الاستقلالية الجسدية الموثوقة والقابلة للتكيف في بيئات العالم الحقيقي، بدلاً من التجارب الخاضعة للرقابة. وقد أظهرت ثماني أوراق بحثية قدمت ضمن المؤتمر الدولي للروبوتات والأتمتة كيف أن الانتقال من المحاكاة إلى الواقع أصبح حجر الزاوية في تطوير أنظمة يمكنها الإدراك والتخطيط والتصرف بفعالية. تتصدى هذه الأبحاث لتحديات متعددة في سلسلة الروبوتات، بدءًا من تنسيق ذراعين متعامدين في آن واحد، وصولاً إلى بناء سياسات عامة تعمل على أجهزة روبوتية مختلفة. يقدم إطار عمل جديد يسمى ScheduleStream حلاً لتحسين الجدولة في المختبرات الصيدلانية، حيث يسمح بتشغيل الحسابات على وحدات معالجة الرسومات لتخطيط حركات متعددة بشكل متوازٍ، مما يحقق تسارعًا ثلاث مرات في السيناريوهات المعقدة مقارنة بالطرق التقليدية، مع توفر الكود على منصة GitHub. في مجال الملاحة، حل إطار عمل COMPASS مشكلة صعوبة نقل سياسات الملاحة بين أشكال روبوتية مختلفة. يعتمد النظام على التعلم بالمحاكاة في بيئة Isaac Lab، محققًا تحسنًا بنسبة 4.5 أضعاف في معدل النجاح، مع قدرة على العمل بفعالية 80% في اختبارات العالم الحقيقي دون الحاجة إلى بيانات من الروبوتات الفعلية أثناء التدريب. أما فيما يتعلق بالالتقاط والتعامل مع الأشياء، فقد قدم نظام Grasp-MPC نهجًا تكيفيًا يصحح حركة الذراع أثناء الاقتراب من الجسم، مما رفع معدل النجاح في التقاط أشياء جديدة وسط فوضى من 41% إلى 75%. كما طورت إنفيديا أنظمة للتعامل مع المجموعات المتشابكة من الأجسام المرنة، مثل تنظيف الأغصان المتداخلة من أسلاك الكهرباء، حيث يستخدم النظام كامل الذراع لتجميع ومعالجة هذه الكتل المعقدة فورًا دون تدريب إضافي. وفي مجال التجميع الدقيق، عالجت منهجية SPARR التناقضات بين المحاكاة والواقع من خلال طبقة تصحيح على الأجهزة الفعلية، مما حسن معدلات النجاح بنسبة 38%، بينما تتولى منهجية Refinery إدارة مهام التجميع المتسلسلة المعقدة التي تعتمد فيها خطوة تلو الأخرى على نجاح سابقتها. تعمل أدوات الذكاء البصري اللغوي الحركي، مثل نظام PEEK، على توجيه انتباه الروبوت نحو العناصر ذات الصلة فقط وتجاهل الضوضاء البصرية، مما أدى إلى تحسن هائل في الدقة على مستوى العالم الحقيقي بلغ 41 مرة في بعض الحالات. وفي سياق تنفيذ الأوامر المعقدة، يضمن نظام SEAL براءات الاختراع من عدم مطابقة الإجراء المنفذ مع الهدف المنطقي، مما يرفع الدقة بنسبة تصل إلى 15%. إلى جانب هذه الإنجازات التقنية، توسع إنفيديا في البنية التحتية البحثية من خلال مجموعات البيانات الضخمة المفتوحة، حيث تجاوزت مجموعات البيانات الفيزيائية لمليارات التحميلات. وتستخدم فرق بحثية من جامعات مرموقة مثل MIT وجامعة كارنيجي ميلون تقنيات إنفيديا لنقل أبحاث الذكاء الفيزيائي من المحاكاة إلى التطبيقات العملية، مما يعزز قدرات الروبوتات على العمل بموثوقية في بيئات ديناميكية وغير متوقعة.