Nvidia porta l'architettura GPT al movimento umano: 99,98% di accuratezza

Nvidia ha applicato l’architettura a predizione del prossimo token, tipica dei modelli linguistici di tipo GPT, alla generazione di movimenti umani, raggiungendo un’accuratezza del 99,98% nelle previsioni cinematiche.

L’approccio tratta le sequenze di movimento fisico come se fossero sequenze di token testuali: il modello impara a predire il fotogramma successivo di un’azione corporea esattamente come un LLM predice la prossima parola. Il risultato suggerisce che l’architettura transformer non è vincolata al linguaggio, ma si adatta con efficacia a domini fisici strutturati in sequenze temporali.

Link al paper: https://arxiv.org/abs/2606.29148

Le ricadute potenziali riguardano simulazione robotica, animazione digitale, sistemi di monitoraggio biomeccanico e ambienti di training per agenti fisici. Vale la pena osservare se e come questo approccio verrà integrato nelle pipeline di simulazione fisica di Nvidia, in particolare nell’ecosistema Isaac per la robotica.