NVIDIA esitteli uuden tekoälymallisarjan CVPR 2026 -konferenssissa Seattleissä maanantaina, keskittyen kolmeen alueeseen, jotka ovat kriittisiä fyysiselle tekoälylle: robottien tarttumiskykyyn, autonomiseen ajoon ja virtuaalisten agenttien koulutukseen. Yhtiö kertoo, että mallit on suunniteltu skaalautumaan – siirtyen laboratoriotesteistä todellisiin käyttöön tehtaissa, tiellä ja simulaatioympäristöissä.
Fyysisen tekoälyn kolme aluetta
Mallit kattavat tehtäviä, jotka ovat olleet pitkään haastavia roboteille ja itseohjautuville järjestelmille. Yksi malli keskittyy tarttumiskykyyn — kykyyn, jolla robottikäsio nappaa tuntemattomia esineitä murskaamatta niitä tai pudottamatta. Toisen mallin tarkoitus on autonomiseen ajoon, jossa käsitellään havaintoja ja päätöksentekoa liikenteessä. Kolmas malli on suunnattu virtuaalisiin agentteihin, joita yritykset kouluttavat simuloituissa maailmoissa ennen kuin ne päästetään käyttöön todellisissa ympäristöissä.
NVIDIA ei julkistanut yksityiskohtaisia suorituskykyvertailuja, mutta julkistus viittaa siihen, että yhtiö näkee nämä kolme aluetta fyysisen tekoälyn päärajoitteina. Yhtiö on sijoittanut runsaasti robotiikkapiireihin, simulaatioplattformeihin kuten Isaac Simiin ja ajoneuvojen laskentajärjestelmiin. Nämä mallit yhdistävät nämä laitteistoponnistelut ohjelmistokerrokseen.
Miksi skaalaaminen on tärkeää
Robottia kouluttaa nappaamaan vesipullo on yhtä. Opettaa sen nappaamaan mitä tahansa pulloa — muodosta, valaistuksesta tai kulmasta riippumatta — nopeudella, joka varastolle tarvitaan, on toista. Sama pätee itseohjautuvaan autoon, joka joutuu selviytymään lumisesta yöstä Detroitissa tai kaaotisesta risteyksestä Mumbaisissa. NVIDIAN väite on, että sen uudet mallit pystyvät skaalaamaan näiden vaihteluiden läpi ilman, että niitä joudutaan kouluttamaan alusta asti.
Virtuaalisten agenttien malli on suunnattu yrityksille, jotka rakentavat digitaalisia kaksosia tai kouluttavat tekoälyavusteita. Sen sijaan, että jokainen vuorovaikutus ohjelmoidaan, malli antaa agentin oppia tekemällä simuloituessa ympäristössä. Tämä menetelmä on yleistynyt logistiikassa ja peleissä, mutta NVIDIA haluaa viedä sen teollisuuteen ja terveydenhuoltoon.
Konferenssi, joka keskittyy tietokoneen näkökykyyn
CVPR — Conference on Computer Vision and Pattern Recognition — on suurin vuosittainen kokoontumispaikka tietokoneen näkökyvyn tutkijoille. Se on luonnollinen paikka NVIDIAn esitellä töitään havainto- ja ohjausjärjestelmistä. Yhtiö on ollut säännöllinen osallistuja tapahtumaan, jossa se on usein esitellyt uutta laitteistoa tai avoimen lähdekoodin työkaluja. Tänä vuonna painopiste oli malleissa, jotka yhdistävät näkemisen ja tekemisen.
Julkistuksessa ei ollut tarkkaa julkaisupäivämäärää malleille eikä mainittu pilotasiakkaita. NVIDIA jakaa yleensä tekoälymallinsa kehittäjäalustoillaan tai esikoulutettuina painotuksina tutkijoille. Nämä yksityiskohdat saattavat selvitä seuraavien viikkojen aikana, kun konferenssikeskustelut jatkuvat.
Toistaiseksi viesti on selvä: NVIDIA uskoo, että seuraavan tekoälyn aallon ei rajoitu chatboteihin tai kuvageneraattoreihin. Fyysinen tekoäly — koneet, jotka toimivat sekavassa ja ennustamattomassa fyysisessä maailmassa — on tavoite, ja yhtiö lisää uusia malleja jo myytävään laitteistoon.
