[A version of this post appeared in TechCrunch’s robotics newsletter, Actuator. Subscribe here.]

A última vez que conversei longamente com a NVIDIA sobre robótica foi também a última vez que apresentamos Claire Delaunay no palco em nosso evento Sessions. Isso foi há um tempo. Ela deixou a empresa em julho passado para trabalhar com startups e fazer investimentos. Na verdade, ela voltou ao palco do TechCrunch no Disrupt há duas semanas para discutir seu trabalho como consultora do conselho da empresa de tecnologia agrícola Farm-ng.

Não que a Nvidia esteja desesperada por reforço positivo após os seus últimos relatórios de lucros, mas merece salientar o quão bem a estratégia robótica da empresa valeu a pena nos últimos anos. A Nvidia investiu muito na categoria em um momento em que a integração da robótica além da fabricação ainda parecia uma quimera para muitos. Abril marca uma década desde o lançamento do TK1. Nvidia descreveu a oferta assim na época“Jetson TK1 traz os recursos do Tegra K1 para desenvolvedores em uma plataforma compacta e de baixo consumo de energia que torna o desenvolvimento tão simples quanto desenvolver em um PC.”

Neste mês de fevereiro, o empresa anotada, “Um milhão de desenvolvedores em todo o mundo estão agora usando a plataforma Nvidia Jetson para IA de ponta e robótica para construir tecnologias inovadoras. Além disso, mais de 6.000 empresas – um terço das quais são startups – integraram a plataforma aos seus produtos.”

Seria difícil encontrar um desenvolvedor de robótica que não tenha passado muito tempo com a plataforma e, francamente, é notável como os usuários variam de amadores a corporações multinacionais. Esse é o tipo de divulgação que empresas como Arduino mataria por.

Na semana passada, visitei os enormes escritórios da empresa em Santa Clara. Os edifícios, que inaugurado em 2018, são impossíveis de perder na via expressa San Tomas. Na verdade, existe uma ponte pedonal que atravessa a estrada, ligando a antiga e a nova sede. O novo espaço é composto principalmente por dois edifícios: Voyager e Endeavour, com 500.000 e 750.000 pés quadrados, respectivamente.

Entre os dois há uma passarela externa ladeada por árvores, sob grandes treliças entrecruzadas que sustentam painéis solares. A batalha pela sede da Big Tech em South Bay realmente esquentou nos últimos anos, mas quando você está efetivamente imprimindo dinheiro, comprar terrenos e construir escritórios é provavelmente o melhor lugar para direcioná-lo. Basta perguntar à Apple, Google e Facebook.

Enquanto isso, a entrada da Nvidia na robótica se beneficiou de todos os tipos de kismet. A empresa conhece o silício tão bem quanto qualquer pessoa no planeta neste momento, desde o projeto e fabricação até a criação de sistemas de baixo consumo de energia capazes de executar tarefas cada vez mais complexas. Esse material é fundamental para um mundo cada vez mais investido em IA e ML. Enquanto isso, o amplo conhecimento da Nvidia em jogos provou ser um grande trunfo para Isaac Sim, sua plataforma de simulação robótica. É uma tempestade perfeita, na verdade.

Falando na SIGGRAPH em agosto, o CEO Jensen Huang explicou: “Percebemos que a rasterização estava atingindo seus limites. 2018 foi um momento de ‘apostar na empresa’. Exigiu que reinventássemos o hardware, o software, os algoritmos. E enquanto reinventávamos a CG com IA, reinventávamos a GPU para IA.”

Depois de algumas demonstrações, conversei com Deepu Talla, vice-presidente e gerente geral de Embedded & Edge Computing da Nvidia. Quando começamos a conversar, ele apontou para um sistema de teleconferência da Cisco na parede oposta que executa a plataforma Jetson. Está muito longe dos AMRs típicos em que tendemos a pensar quando pensamos em Jetson.

“A maioria das pessoas pensa na robótica como uma coisa física que normalmente tem braços, pernas, asas ou rodas – o que você chama de percepção de dentro para fora”, observou ele em referência ao dispositivo de escritório. “Assim como os humanos. Os humanos têm sensores para ver o que nos rodeia e adquirir consciência situacional. Há também uma coisa chamada robótica externa. Essas coisas não se movem. Imagine que você tivesse câmeras e sensores em seu prédio. Eles são capazes de ver o que está acontecendo. Temos uma plataforma chamada Nvidia Metropolis. Possui análise de vídeo e pode ser ampliado para cruzamentos de tráfego, aeroportos e ambientes de varejo.”

Créditos da imagem: TechCrunch

Qual foi a reação inicial quando você exibiu o sistema Jetson em 2015? Vinha de uma empresa que a maioria das pessoas associa aos jogos.

Sim, embora isso esteja mudando. Mas você está certo. É a isso que a maioria dos consumidores está acostumada. A IA ainda era nova, você tinha que explicar qual caso de uso estava compreendendo. Em novembro de 2015, Jensen [Huang] e fui a São Francisco apresentar algumas coisas. O exemplo que tivemos foi um drone autônomo. Se você quisesse fazer um drone autônomo, o que seria necessário? Você precisaria ter tantos sensores, precisaria processar tantos quadros, precisaria identificar isso. Fizemos algumas contas aproximadas para identificar quantos cálculos precisaríamos. E se você quiser fazer isso hoje, qual é a sua opção? Não havia nada parecido na época.

Como a história dos jogos da Nvidia influenciou seus projetos de robótica?

Quando iniciamos a empresa, foram os jogos que nos financiaram para construir as GPUs. Em seguida, adicionamos CUDA às nossas GPUs para que pudesse ser usado em aplicações não gráficas. CUDA é essencialmente o que nos levou à IA. Agora a IA está ajudando os jogos, por causa do ray tracing, por exemplo. No final das contas, estamos construindo microprocessadores com GPUs. Todo esse middleware de que falamos é o mesmo. CUDA é o mesmo para robótica, computação de alto desempenho e IA na nuvem. Nem todo mundo precisa usar todas as partes do CUDA, mas é a mesma coisa.

Como Isaac Sim se compara a [Open Robotics’] Mirante?

Gazebo é um simulador bom e básico para fazer simulações limitadas. Não estamos tentando substituir o Gazebo. Gazebo é bom para tarefas básicas. Fornecemos uma ponte ROS simples para conectar o Gazebo ao Isaac Sim. Mas Isaac pode fazer coisas que ninguém mais pode fazer. É construído em cima do Omniverse. Todas as coisas que você tem no Omniverse vêm para Isaac Sim. Ele também foi projetado para conectar qualquer modo de IA, qualquer estrutura, todas as coisas que fazemos no mundo real. Você pode conectá-lo para ter toda a autonomia. Também tem fidelidade visual.

Você não quer competir com o ROS.

Não não. Lembre-se, estamos tentando construir uma plataforma. Queremos nos conectar com todos e ajudar outros a alavancar nossa plataforma, assim como nós aproveitamos a deles. Não adianta competir.

Você está trabalhando com universidades de pesquisa?

Absolutamente. Dieter Fox é o chefe de pesquisa em robótica da Nvidia. Ele também é professor de robótica na Universidade de Washington. E muitos dos nossos membros de pesquisa também têm afiliações duplas. Eles são afiliados a universidades em muitos casos. Nós publicamos. Quando você está fazendo pesquisa, ela tem que ser aberta.

Você está trabalhando com usuários finais em questões como implantação ou gerenciamento de frota?

Provavelmente não. Por exemplo, se a John Deere vende um trator, os agricultores não falam connosco. Normalmente, o gerenciamento de frota é. Temos ferramentas para ajudá-los, mas a gestão da frota é feita por quem está prestando o serviço ou construindo o robô.

Quando a robótica se tornou uma peça do quebra-cabeça da Nvidia?

Eu diria, início de 2010. Foi quando a IA meio que aconteceu. Acho que a primeira vez que o aprendizado profundo surgiu em todo o mundo foi em 2012. Houve um perfil recente em Bryan Catanzaro. Ele então imediatamente disse em LinkedIn, [Full quote excerpted from the LinkedIn post], “Na verdade, não convenci Jensen, apenas expliquei o aprendizado profundo para ele. Ele instantaneamente formou sua própria convicção e transformou a Nvidia em uma empresa de IA. Foi inspirador assistir e às vezes ainda não consigo acreditar que estive lá para testemunhar a transformação da Nvidia.”

2015 foi quando iniciamos a IA não apenas para a nuvem, mas também para EDGE para Jetson e direção autônoma.

Quando você discute IA generativa com as pessoas, como você as convence de que é mais do que apenas uma moda passageira?

Acho que isso fala nos resultados. Você já pode ver a melhoria da produtividade. Ele pode escrever um e-mail para mim. Não está exatamente certo, mas não preciso começar do zero. Está me dando 70%. Há coisas óbvias que você já pode ver que são definitivamente uma função passo a passo melhor do que como eram antes. Resumindo algo não é perfeito. Não vou deixar que seja lido e resumido para mim. Então, já é possível ver alguns sinais de melhorias de produtividade.