Physical AI sendiri merupakan fondasi bagi sistem cerdas yang mampu berinteraksi dengan dunia nyata secara presisi, mengandalkan kombinasi neural graphics, generasi data sintetis, simulasi berbasis fisika, reinforcement learning, dan penalaran AI.
Dalam presentasi khususnya, NVIDIA memperkenalkan sejumlah pustaka perangkat lunak baru, termasuk Omniverse NuRec yang memanfaatkan 3D Gaussian splatting untuk rekonstruksi dunia berskala besar, pembaruan pada platform Metropolis untuk visi AI, serta model penalaran Cosmos dan Nemotron.
Cosmos Reason, salah satu inovasi utama, adalah model bahasa visi-penalaran yang memungkinkan robot dan agen AI memahami konteks fisik dan mengambil keputusan dengan menggabungkan pengetahuan sebelumnya, pemahaman fisika, dan logika umum layaknya manusia.
NVIDIA juga mempresentasikan lebih dari selusin makalah penelitian yang mencakup neural rendering, real-time path tracing, generasi data sintetis, hingga reinforcement learning. Semua ini bertujuan menciptakan lingkungan virtual yang sangat realistis, sehingga keterampilan yang dilatih di dunia simulasi dapat diterapkan secara efektif di dunia nyata.
Contohnya, robot pertanian yang mampu memetik buah persik tanpa merusaknya, atau robot manufaktur yang dapat merakit komponen elektronik mikroskopis dengan presisi tinggi.
Salah satu sorotan penelitian adalah ViPE (Video Pose Engine), sebuah pipeline anotasi geometris 3D untuk video yang mampu memperkirakan pergerakan kamera dan menghasilkan peta kedalaman detail dari rekaman amatir, dashcam, atau sinematik. Ada pula riset yang mengembangkan model AI generatif untuk memprediksi keadaan masa depan, seperti skenario berisiko di jalan raya atau potensi jatuhnya objek di tepi meja.
Inovasi lain mencakup metode rekonstruksi 3D yang sadar fisika, memastikan bentuk yang dihasilkan tidak hanya akurat secara visual tetapi juga stabil secara struktural. Pendekatan ini mengatasi masalah umum di mana objek 3D hasil estimasi dari video tampak benar namun gagal mempertahankan integritas fisiknya dalam simulasi.
Tim peneliti juga menggabungkan generator gerakan dengan pengendali berbasis fisika untuk menciptakan data sintetis gerakan kompleks, seperti aksi parkour, yang dapat melatih robot humanoid agar lebih lincah dan adaptif.
Di bidang penciptaan konten, NVIDIA memamerkan teknik yang memanfaatkan model difusi dan physically based renderer untuk menambahkan detail realistis pada material 3D hanya dengan perintah teks, seperti efek pelapukan atau penuaan.
Ada pula terobosan dalam differentiable rendering yang memungkinkan rekonstruksi geometri 3D dari gambar dan video dengan lebih cepat dan akurat, menggabungkan forward dan inverse rendering untuk mempercepat pembuatan dataset sintetis berkualitas tinggi.
Melalui rangkaian inovasi ini, NVIDIA menegaskan bahwa kemajuan AI dan simulasi saling memperkuat. Dengan membangun “alam semesta paralel” yang realistis, para pengembang dapat melatih sistem AI fisik secara aman dan efisien sebelum diterapkan di dunia nyata.
Pendekatan ini diyakini akan mempercepat digitalisasi industri, memperluas kemampuan robotika, dan membuka peluang baru dalam hiburan interaktif, desain, serta transportasi otonom.
Cek Berita dan Artikel yang lain di
Google News
