NVIDIA e Foxconn utilizam robôs para montar o GB300, meta de taxa de sucesso acima de 99,5 %

Em 4 de outubro de 2026, a publicação Tecnologia Nova informou que a NVIDIA e a Foxconn estão conduzindo testes de montagem robótica nas bandejas de teste do Grace Blackwell GB300, com o objetivo declarado de elevar a taxa de sucesso das tarefas críticas de montagem para um nível superior a 99,5 %.

Contexto de Desenvolvimento e Objetivo

O laboratório de robótica localizado em Seattle, nos Estados Unidos, e a equipe de engenharia Isaac da NVIDIA iniciaram recentemente uma colaboração estreita com a Foxconn, fabricante contratada do GB300. O foco da parceria está voltado para o desenvolvimento de tecnologia de montagem automatizada que combine alta precisão e operação contínua por longos períodos. Ambas as partes definiram critérios claros para a linha de produção: a taxa de sucesso deve ser de, no mínimo, 99,5 %, as bandejas não podem sofrer colisões, o tempo de montagem do barramento não pode ultrapassar 124 segundos e o tempo de inserção dos conectores não pode exceder 72 segundos.

O núcleo da cooperação reside na integração da plataforma de aprendizado por reforço Isaac Lab, desenvolvida pela NVIDIA, com os recursos de fabricação e expertise operacional da Foxconn. Essa combinação visa criar um sistema robótico capaz de manter alta estabilidade mesmo quando confrontado com variações no ambiente de produção, garantindo que o desempenho seja consistente e confiável ao longo de ciclos extensos de montagem.

Processo de Montagem Robótica e Situação Atual

A montagem das bandejas de teste do GB300 está dividida em duas etapas principais. A primeira etapa consiste em posicionar um barramento longo e pesado, seguido pela fixação de 16 parafusos utilizando um braço robótico. A segunda etapa envolve a inserção de quatro conjuntos de conectores de alta tolerância, sendo duas unidades grandes e duas pequenas. Cada uma dessas tarefas impõe exigências rigorosas ao robô, incluindo precisão de posicionamento, controle de força e feedback sensorial avançado.

Até o momento, a taxa de sucesso para o posicionamento do barramento e a fixação dos parafusos já ultrapassou a marca de 95 %, enquanto o processo completo – que inclui tanto o barramento quanto a inserção dos conectores – tem um tempo médio de aproximadamente 160 segundos. Esse desempenho ainda está aquém das metas estabelecidas de 124 segundos para o barramento e 72 segundos para os conectores, indicando que há margem para otimização.

A operação de inserção dos conectores combina algoritmos de aprendizado por reforço da Isaac Lab, dados reais de fabricação e um design de garras personalizado. Os robôs treinam em ambientes simulados, aprendendo múltiplas estratégias de inserção, e depois aplicam esse conhecimento em testes físicos, ajustando continuamente seu comportamento para melhorar a tolerância a variações e aumentar a robustez ao lidar com conectores de alta precisão.

Caminho para Produção em Massa e Desafios

Ambas as partes deixam claro que a fase atual de testes representa apenas o estágio de desenvolvimento e ainda não comprova a viabilidade de uma implantação direta em produção em larga escala. Os desafios críticos que permanecem incluem elevar a taxa de sucesso da montagem do barramento para acima de 99,5 %, reduzir o tempo total do processo para atender aos limites de 124 segundos e 72 segundos, e garantir que os robôs operem sem colisões de bandeja mesmo durante períodos prolongados de funcionamento.

Para superar esses obstáculos, a NVIDIA planeja expandir continuamente a base de dados de treinamento da Isaac Lab, incorporando novos cenários e variações de operação. Paralelamente, a empresa trabalhará em conjunto com a Foxconn para otimizar a estrutura mecânica dos braços robóticos e a disposição dos sensores. A Foxconn, por sua vez, compromete‑se a fornecer um número maior de amostras de teste provenientes de linhas de produção reais, permitindo validar a consistência do desempenho dos robôs em diferentes lotes de produtos.

Os resultados atuais dos testes demonstram que os robôs já apresentam estabilidade considerável sob condições de alta carga e alta tolerância, porém ainda precisam alcançar avanços significativos em calibração de precisão e em estratégias de evasão dinâmica de obstáculos. Esses aprimoramentos são essenciais para que a taxa de sucesso de 99,5 % estabelecida pelas partes seja efetivamente atingida e mantida ao longo de ciclos de produção extensos.

Em resumo, a colaboração entre NVIDIA e Foxconn já gerou progressos notáveis na automação da montagem das bandejas de teste do GB300, especialmente nas etapas de manipulação do barramento e inserção dos conectores. Caso os últimos desafios relativos ao tempo de ciclo e à taxa de sucesso sejam superados, a solução poderá oferecer uma nova abordagem de automação para a produção em massa de servidores de alto desempenho e de aceleradores de IA.

A mudança atual reside no fato de que ambas as equipes estão acelerando a fase de validação e otimização, com a expectativa de concluir a verificação de todos os requisitos estabelecidos nos próximos meses. Quando essa etapa for concluída, será possível avaliar de forma mais detalhada a viabilidade de uma produção total e definir um cronograma preciso para a implementação em larga escala.