انویدیا از GR00T 2 رونمایی کرد، یک مدل پایه رباتی که مهارت‌های ماهرانه‌ای را با تماشای ویدیوی انسانی یاد می‌گیرد.

انویدیا از مدل پایه ربات نسل بعدی خود، GR00T 2، در 9 نوامبر در کنفرانس یادگیری ربات (CoRL) در آستین، تگزاس رونمایی کرد که بر اساس یک ایده ساده ساخته شده است: روبات هایی که با تماشای انسان ها یاد می گیرند. این مدل ویدئوی انسان اول شخص را به عنوان ماده اصلی آموزشی خود می گیرد، دستکاری ماهرانه را یاد می گیرد و مهارت را به ربات هایی با اشکال مختلف منتقل می کند. انویدیا همچنین GR00T 2 Turbo، یک نوع کارآمد، و Isaac Lab 3.0، چارچوب آموزشی ربات خود را معرفی کرد.

پیش بینی صحنه و عمل با هم

GR00T 2 چیزی است که NVIDIA آن را "مدل اکشن جهانی" می نامد که بر اساس خانواده مدل های جهانی Cosmos ساخته شده است. یک ترانسفورماتور انتشار با 2 میلیارد پارامتر به طور مشترک نحوه تغییر یک صحنه و اقداماتی را که ربات باید انجام دهد، از ویدیوی اخیر، دستورالعمل کار و وضعیت فعلی ربات، پیش بینی می کند. NVIDIA می‌گوید این طراحی به مدل اجازه می‌دهد تا قبل از تصمیم‌گیری درباره نحوه عمل، فیزیک یک کار را درک کند، نه اینکه صرفاً از مسیر حرکت تقلید کند.

آموزش بر روی 400000 ساعت ویدئوی انسانی. 95 درصد موفقیت پس از پنج نمایش

ترکیب آموزشی فاش شده توسط NVIDIA شامل 402730 ساعت ویدیوی انسان اول شخص، 10184 ساعت نمایش دستی و 23500 ساعت کار از راه دور ربات است. 100000 ساعت از ویدیوی انسانی به صورت آشکار به عنوان مجموعه داده Human-1M-100K تحت مجوز Creative Commons CC BY 4.0 منتشر شده است. انتقال تجسم متقاطع "X-Adapt" NVIDIA، مهارت های آموخته شده در یک ربات یا از یک انسان را به یک ربات دیگر منتقل می کند، از جمله بازوهای گیره، دست های ماهر و انسان نما Unitree G1.

در 50 کار دستکاری ماهرانه (دکستر-50، روی یک ربات دو دستی با دو دست شارپا با 22 درجه آزادی)، GR00T 2 به طور متوسط 40 درصد موفقیت را بدون هیچ نمایشی روی ربات مورد نظر کسب کرد - 40 کار از 50 کار را حداقل یک بار انجام داد - به 71 درصد با پنج کار نمایشی و 9 درصد با یک کار نمایشی به 90 درصد افزایش یافت. تنظیم دقیق روی یک کارت گرافیک RTX 5090.

رقم 95 درصد نیاز به تخفیف دارد. کد مدل در دسامبر می رسد

95 درصد یک رقم قابل اطمینان درست نیست: کاغذ سفید NVIDIA فاش می‌کند که 50 کار آزمایشی از میان کارهایی که مدل با پنج نمایش یاد می‌گیرد انتخاب شده‌اند (حداقل 80 درصد موفقیت)، بنابراین این عدد دارای یک شرط انتخاب است. همه نتایج ارزیابی خود انویدیا هستند و هیچ نسخه مستقلی منتشر نشده است. شرکای نام‌گذاری شده توسط NVIDIA - فاکسکان، زیمنس و نکسونی - در مرحله آزمایش یا ارزیابی هستند.

برچسب "باز" ​​نیز جزئی است: مجموعه داده 100000 ساعته واقعاً باز است، اما کد مدل تا دسامبر موعد مقرر نیست، و NVIDIA تاریخ انتشار یا مجوزی را برای وزن مدل اعلام نکرده است. Isaac Lab 3.0 به طور کلی در دسترس است. منابع: وبلاگ انویدیا، صفحه تحقیقاتی انویدیا، گزارش ربات، 9 نوامبر 2026؛ نورون، alfw.ai، 10 نوامبر 2026.