{"id":54375,"date":"2026-06-17T11:40:00","date_gmt":"2026-06-17T15:40:00","guid":{"rendered":"https:\/\/cms-articles.softonic.io\/br\/?p=54375"},"modified":"2026-06-17T11:44:06","modified_gmt":"2026-06-17T15:44:06","slug":"nvidia-acaba-de-mostrar-robos-que-se-treinam-sozinhos-a-aposta-em-agentes-de-codigo","status":"publish","type":"post","link":"https:\/\/cms-articles.softonic.io\/br\/nvidia-acaba-de-mostrar-robos-que-se-treinam-sozinhos-a-aposta-em-agentes-de-codigo\/","title":{"rendered":"Nvidia acaba de mostrar rob\u00f4s que se treinam sozinhos: a aposta em agentes de c\u00f3digo"},"content":{"rendered":"<p class=\"wp-block-paragraph\">A Nvidia apresentou hoje uma nova frente de pesquisa que, nas contas da empresa, pode mexer de forma relevante com a maneira como rob\u00f4s s\u00e3o treinados e colocados para trabalhar. A proposta parte de uma mudan\u00e7a bem direta: em vez de depender de programa\u00e7\u00e3o manual sempre que surge uma tarefa nova, essas m\u00e1quinas poderiam passar a aprender <strong>quase por conta pr\u00f3pria<\/strong> com a ajuda de agentes de software especializados em escrever c\u00f3digo. Funciona assim: em ambientes simulados, esses agentes geram instru\u00e7\u00f5es, testam o que deu certo e o que falhou, ajustam o caminho e repetem o processo at\u00e9 o rob\u00f4 executar a tarefa com mais consist\u00eancia.<\/p>\n\n<p class=\"wp-block-paragraph\">No centro desse trabalho est\u00e1 a tentativa de automatizar uma etapa que hoje costuma ser demorada, cara e bastante t\u00e9cnica. Em muitos casos, um engenheiro ainda precisa mexer detalhe por detalhe no comportamento do rob\u00f4. O que a Nvidia est\u00e1 propondo \u00e9 outro fluxo: o sistema cria varia\u00e7\u00f5es de c\u00f3digo, mede o desempenho de cada uma e vai refinando a estrat\u00e9gia em ciclos r\u00e1pidos.<\/p>\n\n<p class=\"wp-block-paragraph\">Quase tudo acontece primeiro em <strong>simula\u00e7\u00e3o<\/strong>. E esse ponto pesa bastante quando se fala em custo e risco: antes de um rob\u00f4 chegar ao mundo real, ele pode repetir centenas ou milhares de tentativas em cen\u00e1rios virtuais, aprendendo a lidar com objetos, trajet\u00f3rias e imprevistos sem gastar hardware \u00e0 toa nem parar opera\u00e7\u00f5es reais. Para a Nvidia, isso pode encurtar o intervalo entre imaginar uma nova fun\u00e7\u00e3o e coloc\u00e1-la de p\u00e9 na pr\u00e1tica. Em \u00e1reas como log\u00edstica, manufatura e armazenagem, esse tempo faz diferen\u00e7a.<\/p>\n\n<p class=\"wp-block-paragraph\">Se a abordagem funcionar fora do laborat\u00f3rio, o ganho pode aparecer na <strong>adaptabilidade dos rob\u00f4s<\/strong>. Hoje, uma das travas mais conhecidas do setor est\u00e1 a\u00ed: preparar m\u00e1quinas para ambientes menos previs\u00edveis ainda d\u00e1 muito trabalho, porque mudan\u00e7as pequenas no espa\u00e7o, na posi\u00e7\u00e3o dos itens ou na rotina j\u00e1 podem exigir uma longa rodada de ajustes.<\/p>\n\n<p class=\"wp-block-paragraph\">Com agentes de c\u00f3digo assumindo parte desse trabalho, a expectativa da Nvidia \u00e9 escalar melhor o treinamento, de bra\u00e7os rob\u00f3ticos em f\u00e1bricas a sistemas m\u00f3veis usados em centros de distribui\u00e7\u00e3o. Em tese, isso tamb\u00e9m aproxima o mercado de m\u00e1quinas capazes de aprender tarefas novas com menos retrabalho de engenharia. E pode baixar a barreira para novas aplica\u00e7\u00f5es, j\u00e1 que mais empresas teriam espa\u00e7o para testar automa\u00e7\u00e3o em \u00e1reas onde isso ainda era complicado demais.<\/p>\n\n<p class=\"wp-block-paragraph\">Claro, o an\u00fancio n\u00e3o quer dizer que rob\u00f4s totalmente aut\u00f4nomos estejam prestes a virar algo comum da <strong>noite para o dia<\/strong>. Continua existindo uma dist\u00e2ncia grande entre ir bem numa simula\u00e7\u00e3o e manter desempenho consistente no mundo real, onde ilumina\u00e7\u00e3o, atrito, objetos deform\u00e1veis e falhas de sensor trazem problemas extras.<\/p>\n\n<p class=\"wp-block-paragraph\">Tamb\u00e9m continuam abertas quest\u00f5es sobre <strong>seguran\u00e7a<\/strong>, supervis\u00e3o humana e valida\u00e7\u00e3o do comportamento antes de colocar essas m\u00e1quinas para operar em espa\u00e7os divididos com pessoas. Em rob\u00f3tica, confiabilidade segue pesando tanto quanto velocidade de desenvolvimento. Ainda assim, a pesquisa da Nvidia refor\u00e7a uma dire\u00e7\u00e3o que j\u00e1 vinha se desenhando: o setor deve depender cada vez menos de programar cada movimento na m\u00e3o e cada vez mais de sistemas capazes de testar, corrigir e melhorar o pr\u00f3prio c\u00f3digo. Se isso realmente funcionar em escala, d\u00e1 para falar em um passo importante rumo a rob\u00f4s mais \u00fateis, mais flex\u00edveis e mais vi\u00e1veis do ponto de vista comercial.<\/p>\n\n<p class=\"wp-block-paragraph\">Fonte: Nvidia | Imagem: Nvidia<\/p>","protected":false},"excerpt":{"rendered":"<p>A Nvidia apresentou hoje uma nova frente de pesquisa que, nas contas da empresa, pode mexer de forma relevante com a maneira como rob\u00f4s s\u00e3o treinados e colocados para trabalhar. A proposta parte de uma mudan\u00e7a bem direta: em vez de depender de programa\u00e7\u00e3o manual sempre que surge uma tarefa nova, essas m\u00e1quinas poderiam passar &hellip; <a href=\"https:\/\/cms-articles.softonic.io\/br\/nvidia-acaba-de-mostrar-robos-que-se-treinam-sozinhos-a-aposta-em-agentes-de-codigo\/\" class=\"more-link\">Continue reading<span class=\"screen-reader-text\"> &#8220;Nvidia acaba de mostrar rob\u00f4s que se treinam sozinhos: a aposta em agentes de c\u00f3digo&#8221;<\/span><\/a><\/p>\n","protected":false},"author":9332,"featured_media":54374,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","wpcf-pageviews":0},"categories":[4082],"tags":[],"usertag":[],"vertical":[],"content-category":[4508],"class_list":["post-54375","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","content-category-ia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/posts\/54375","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/users\/9332"}],"replies":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/comments?post=54375"}],"version-history":[{"count":1,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/posts\/54375\/revisions"}],"predecessor-version":[{"id":54376,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/posts\/54375\/revisions\/54376"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/media\/54374"}],"wp:attachment":[{"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/media?parent=54375"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/categories?post=54375"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/tags?post=54375"},{"taxonomy":"usertag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/usertag?post=54375"},{"taxonomy":"vertical","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/vertical?post=54375"},{"taxonomy":"content-category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/br\/wp-json\/wp\/v2\/content-category?post=54375"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}