Nvidia представила 22 ИИ-модели для симуляции физических процессов

В рамках конференции SIGGRAPH 2026 подразделение Nvidia Graphics Research продемонстрировало 22 передовых решения, сфокусированных на развитии физического ИИ (Physical AI) — систем, адаптированных к взаимодействию с объектами виртуального и реального мира с учетом законов физики. Все представленные проекты базируются на создании физически достоверных 3D-моделей, открывающих новые возможности для геймдева, кинематографа, робототехники и проектирования промышленных цифровых двойников.

Знаковым анонсом стала технология MotionBricks — интеллектуальный инструмент для генерации высокореалистичной анимации персонажей в режиме реального времени. Благодаря обучению на массиве из 350 000 фрагментов движений, модель обеспечивает безупречную плавность анимации, предоставляя разработчикам гибкие рычаги управления. В компании подчеркивают универсальность системы: MotionBricks эффективно работает как в игровых движках, так и при координации движений человекоподобных роботов, что уже подтверждено успешными тестами на платформе Unitree G1.

Другая примечательная разработка, Artifixer, предназначена для постобработки 3D-сканов. Алгоритм способен реставрировать дефектные или неполные данные, преобразуя «шумные» фрагменты в высококачественные, детализированные 3D-сцены с корректным рендерингом, эффективно восполняя недостающие элементы окружения.

Также Nvidia представила GPC (Generative Predictive Control) — специализированную платформу для обучения генеративных контроллеров на масштабных датасетах. Это решение призвано стать фундаментом для нового поколения систем управления, которые в будущем лягут в основу интеллектуальных алгоритмов для робототехники.

Представители компании подтвердили, что исходный код и сопутствующие данные всех анонсированных на SIGGRAPH проектов будут опубликованы в открытом доступе на GitHub. Кроме того, планируется поэтапная интеграция этих разработок в программную экосистему Nvidia, включая платформу Omniverse и партнерские решения.

Источник: iXBT