NVIDIA presenta GR00T 2, un modelo básico de robot que aprende habilidades diestras viendo videos humanos

NVIDIA presentó su modelo básico de robot de próxima generación, GR00T 2, el 9 de noviembre en la Conferencia sobre Aprendizaje de Robots (CoRL) en Austin, Texas, construido en torno a una idea simple: robots que aprenden observando a los humanos. El modelo toma videos humanos en primera persona como principal material de entrenamiento, aprende manipulación diestra y transfiere la habilidad a robots de diferentes formas. NVIDIA también presentó GR00T 2 Turbo, una variante optimizada, e Isaac Lab 3.0, su marco de entrenamiento de robots.

Predecir la escena y la acción juntas.

GR00T 2 es lo que NVIDIA llama un "modelo de acción mundial", construido sobre su familia de modelos mundiales Cosmos. Un único transformador de difusión de 2 mil millones de parámetros predice conjuntamente cómo cambiará una escena y qué acciones debe realizar el robot, a partir de un vídeo reciente, una instrucción de tarea y el estado actual del robot. NVIDIA dice que el diseño permite al modelo comprender la física de una tarea antes de decidir cómo actuar, en lugar de simplemente imitar trayectorias de movimiento.

Capacitado con 400.000 horas de vídeo humano; 95% de éxito después de cinco demostraciones.

La combinación de capacitación revelada por NVIDIA incluye 402.730 horas de video humano en primera persona, 10.184 horas de demostraciones de pinzas portátiles y 23.500 horas de teleoperación de robots; 100.000 horas del vídeo humano se han publicado abiertamente como conjunto de datos Human-1M-100K bajo una licencia Creative Commons CC BY 4.0. La transferencia de encarnaciones cruzadas "X-Adapt" de NVIDIA mueve las habilidades aprendidas en un robot o de un humano a un robot diferente, incluidos brazos de agarre, manos diestras y el humanoide Unitree G1.

En 50 tareas de manipulación diestra (Dexter-50, en un robot bimanual con dos manos Sharpa de 22 grados de libertad), GR00T 2 promedió un 40% de éxito sin demostraciones en el robot objetivo, completando 40 de las 50 tareas al menos una vez, aumentando al 71% con una demostración por tarea y al 95% con cinco demostraciones más un ajuste fino de 30 minutos en un solo RTX 5090. tarjeta gráfica.

Es necesario descontar la cifra del 95%; El código del modelo llega en diciembre.

El 95% no es una cifra de confiabilidad de campo: el documento técnico de NVIDIA revela que las 50 tareas de prueba se eligieron entre las que el modelo aprende con cinco demostraciones (al menos 80% de éxito), por lo que el número conlleva una condición de selección; Todos los resultados son evaluación propia de NVIDIA, sin ninguna replicación independiente publicada. Los socios nombrados por NVIDIA (Foxconn, Siemens y Nexuni) se encuentran en la etapa de prueba o evaluación.

La etiqueta "abierta" también es parcial: el conjunto de datos de 100.000 horas está realmente abierto, pero el código del modelo no vence hasta diciembre y NVIDIA no ha anunciado ninguna fecha de lanzamiento ni licencia para los pesos del modelo; Isaac Lab 3.0 está disponible de forma generalizada. Fuentes: blog de NVIDIA, página de investigación de NVIDIA, The Robot Report, 9 de noviembre de 2026; The Neuron, alfw.ai, 10 de noviembre de 2026.