پلتفرم رباتیک عمومی انویدیا؛ جاه‌طلبی برای تبدیل شدن به «اندروید» دنیای ربات‌ها

اگر تا دیروز رقابت هوش مصنوعی بیشتر در فضای ابری و مدل‌های گفتگو خلاصه می‌شد، امروز میدان نبرد به دنیای واقعی منتقل شده است؛ جایی که ماشین‌ها باید ببینند، تصمیم بگیرند و در محیط فیزیکی عمل کنند. انویدیا در CES 2026 با رونمایی از یک اکوسیستم کامل، نشان داد برنامه‌اش جدی است: پلتفرم رباتیک عمومی انویدیا قرار است همان نقشی را برای ربات‌ها بازی کند که اندروید برای گوشی‌های هوشمند انجام داد—یک «پایه مشترک» برای توسعه، اجرا و مقیاس‌پذیری.

چرا انویدیا می‌خواهد «اندروید رباتیک» باشد؟

انویدیا سال‌هاست ستون فقرات محاسبات AI را در دیتاسنترها و کارت‌های گرافیک می‌سازد، اما حالا به‌وضوح جهت‌گیری تازه‌ای را دنبال می‌کند: بردن هوش مصنوعی از فضای ابری به داخل ماشین‌ها. این تغییر جهت فقط یک ترند رسانه‌ای نیست؛ نتیجه چند عامل هم‌زمان است: ارزان‌تر شدن حسگرها، پیشرفت شبیه‌سازی‌های دقیق، و ظهور مدل‌هایی که بهتر از قبل می‌توانند بین وظایف مختلف «تعمیم» بدهند.

در رباتیک، مشکل بزرگ همیشه این بوده که هر ربات برای یک کار خاص تنظیم می‌شد: یک بازوی صنعتی برای جابه‌جایی قطعه، یک ربات انبار برای حمل کارتن، یا یک انسان‌نما برای نمایش‌های محدود. اما «رباتیک عمومی» یعنی رباتی که بتواند در محیط‌های متنوع، از روی داده و تجربه یاد بگیرد، برنامه‌ریزی کند و با شرایط غیرمنتظره کنار بیاید. انویدیا می‌خواهد پلتفرم رباتیک عمومی انویدیا را به استاندارد زیرساختی این موج تبدیل کند: ترکیبی از مدل‌های پایه، ابزارهای شبیه‌سازی، نرم‌افزار توسعه و سخت‌افزار لبه که همه با هم کار می‌کنند.

مدل‌های پایه جدید: از Cosmos تا مغز انسان‌نماها با GR00T

انویدیا در CES 2026 از یک «استک کامل» برای Physical AI رونمایی کرد و بخش مهمی از آن، مدل‌های پایه باز (Open) بود که روی Hugging Face هم در دسترس قرار گرفته‌اند. ایده اصلی این مدل‌ها این است که ربات‌ها به جای واکنش‌های از پیش تعریف‌شده، بتوانند استدلال کنند، مسیر انجام کار را بچینند و در محیط‌های مختلف خودشان را تطبیق دهند.

در میان مدل‌های معرفی‌شده، خانواده Cosmos نقش «مدل‌های جهان» را بازی می‌کند؛ یعنی ابزارهایی برای تولید داده مصنوعی و ارزیابی سیاست‌های کنترلی ربات در شبیه‌سازی. Cosmos Transfer 2.5 و Cosmos Predict 2.5 برای همین سناریوها طراحی شده‌اند: شما می‌توانید قبل از اینکه یک ربات واقعی را در محیط واقعی به خطر بیندازید، در شبیه‌سازی حجم بزرگی از تجربه بسازید و سیاست‌ها را بسنجید.

در سطح بالاتر، Cosmos Reason 2 به‌عنوان یک مدل بینایی-زبانِ استدلال‌محور معرفی شده که هدفش این است که سیستم بتواند «ببیند، بفهمد و عمل کند». این همان پلی است که رباتیک به آن نیاز دارد: اتصال ادراک (بینایی)، فهم معنایی (زبان/زمینه) و تصمیم (عمل).

اما شاید جذاب‌ترین قطعه این پازل برای مخاطب عمومی، Isaac GR00T N1.6 باشد؛ مدل Vision-Language-Action که برای ربات‌های انسان‌نما ساخته شده است. GR00T به Cosmos Reason به‌عنوان «مغز» تکیه می‌کند و طبق توضیحات انویدیا، کنترل تمام‌بدن را برای انسان‌نماها امکان‌پذیر می‌سازد؛ یعنی ربات بتواند هم‌زمان حرکت کند و با اشیا کار کند، نه اینکه هر بار فقط یک کار محدود انجام دهد. اینجا دقیقاً همان جایی است که پلتفرم رباتیک عمومی انویدیا می‌تواند بازی را تغییر دهد: اگر توسعه‌دهنده‌ها به جای ساخت همه چیز از صفر، روی یک مغز مشترک و ابزارهای استاندارد سوار شوند، سرعت پیشرفت بالا می‌رود.

شبیه‌سازی و استانداردسازی: Isaac Lab-Arena و مرکز فرماندهی OSMO

در رباتیک، یاد دادن کارهای پیچیده روی سخت‌افزار واقعی، گران، کند و پرریسک است. تصور کنید رباتی قرار است «کابل‌کشی» انجام دهد یا یک شیء ظریف را دقیق در جای خودش جا بزند؛ هر خطا می‌تواند به شکست سخت‌افزار، آسیب محیط و هزینه‌های سنگین منجر شود. انویدیا برای حل این چالش، Isaac Lab-Arena را معرفی کرده است: یک چارچوب شبیه‌سازی متن‌باز روی GitHub که به توسعه‌دهنده‌ها اجازه می‌دهد توانایی‌های ربات را در محیط مجازی و ایمن آزمایش کنند.

نکته کلیدی اینجاست که Isaac Lab-Arena صرفاً یک شبیه‌ساز نیست؛ انویدیا تلاش کرده منابع، سناریوهای وظیفه، ابزارهای آموزش و «بنچمارک‌های جاافتاده» را یک‌جا تجمیع کند تا چیزی شبیه استاندارد صنعتی شکل بگیرد. وقتی شرکت‌ها و تیم‌ها با معیارهای مشترک آزمایش می‌کنند، مقایسه‌پذیری بالا می‌رود و پیشرفت‌ها شفاف‌تر می‌شود—مشکلی که سال‌ها در رباتیک وجود داشت.

در کنار آن، Nvidia OSMO به‌عنوان یک مرکز فرماندهی متن‌باز معرفی شده که نقش «زیرساخت اتصال‌دهنده» را دارد: از تولید داده تا آموزش، چه روی دسکتاپ و چه روی ابر. این نوع یکپارچگی، برای تیم‌هایی که می‌خواهند سریع تکرار کنند (Iterate) حیاتی است. وقتی گردش‌کار از داده تا مدل و از مدل تا آزمون، یکپارچه شود، هزینه توسعه کمتر و سرعت نوآوری بیشتر می‌شود—و دقیقاً همین، هدف پنهان پشت پلتفرم رباتیک عمومی انویدیا است.

سخت‌افزار لبه: Jetson T4000 و همکاری عمیق‌تر با Hugging Face

برای اینکه همه این‌ها فقط در سطح آزمایشگاهی نماند، انویدیا به توان محاسباتی روی دستگاه هم فکر کرده است. کارت گرافیک/ماژول جدید Jetson T4000 (با تکیه بر Blackwell و به‌عنوان عضو تازه خانواده Thor) به‌عنوان یک ارتقای مقرون‌به‌صرفه برای محاسبات روی دستگاه معرفی شده که طبق ادعای شرکت، 1200 ترافلاپس توان محاسباتی AI و 64 گیگابایت حافظه ارائه می‌دهد و با مصرف 40 تا 70 وات کار می‌کند. این یعنی انویدیا می‌خواهد بخشی از توان AI را به جای وابستگی دائمی به ابر، به داخل ربات‌ها و سیستم‌های لبه ببرد؛ جایی که تأخیر کمتر، پایداری بالاتر و کنترل محلی مهم است.

هم‌زمان، انویدیا همکاری‌اش با Hugging Face را هم عمیق‌تر کرده تا تجربه کردنِ آموزش ربات‌ها برای افراد بیشتری ممکن شود؛ بدون اینکه الزاماً به سخت‌افزارهای گران یا دانش بسیار تخصصی نیاز داشته باشند. ادغام فناوری‌های Isaac و GR00T با چارچوب LeRobot، عملاً دو جامعه بزرگ را به هم وصل می‌کند: میلیون‌ها توسعه‌دهنده رباتیک در اکوسیستم انویدیا و میلیون‌ها سازنده ابزارهای AI در Hugging Face.

یکی از پیام‌های مهم این همکاری، کاهش قفل‌شدگی (Lock-in) است. برای مثال، گفته شده انسان‌نمای متن‌باز Reachy 2 حالا می‌تواند مستقیم با چیپ Jetson Thor کار کند و توسعه‌دهنده‌ها بتوانند مدل‌های مختلف را امتحان کنند بدون اینکه مجبور باشند در سیستم‌های کاملاً انحصاری گرفتار شوند. این دقیقاً با ایده «اندروید بودن» سازگار است: پلتفرمی که توسعه را عمومی‌تر و دسترسی را بازتر می‌کند. اگر این مسیر ادامه پیدا کند، پلتفرم رباتیک عمومی انویدیا می‌تواند تبدیل به انتخاب پیش‌فرض بسیاری از تیم‌ها شود—از استارتاپ‌ها تا غول‌های صنعتی.

در مجموع، نشانه‌هایی هم وجود دارد که این استراتژی در حال جواب دادن است: گفته شده رباتیک سریع‌ترین دسته در حال رشد در Hugging Face است و مدل‌های انویدیا جزو دانلودهای پیشرو هستند. همچنین شرکت‌های رباتیک مطرح—از Boston Dynamics و Caterpillar تا Franka Robots و NEURA Robotics—به استفاده از فناوری‌های انویدیا اشاره شده‌اند. این یعنی انویدیا فقط در حال ارائه «وعده» نیست؛ دارد زیرساخت می‌چیند تا بازار به سمت یک استاندارد مشترک حرکت کند.

انویدیا با ترکیب مدل‌های پایه باز، شبیه‌سازی متن‌باز، زیرساخت یکپارچه آموزش و سخت‌افزار لبه، عملاً یک نقشه راه برای صنعتی‌سازی رباتیک عمومی ارائه داده است. اگر توسعه‌دهندگان بتوانند سریع‌تر آزمایش کنند، امن‌تر آموزش دهند و روی یک استک مشترک بسازند، شتاب نوآوری بالا می‌رود—و این همان چیزی است که انویدیا می‌خواهد با پلتفرم رباتیک عمومی انویدیا به دست آورد: تبدیل شدن به لایه زیرین ربات‌های آینده، درست مثل نقشی که اندروید در دنیای موبایل بازی کرد.