NVIDIA lança GR00T 2, um modelo básico de robô que aprende habilidades hábeis assistindo a vídeos humanos

A NVIDIA revelou seu modelo básico de robô de próxima geração, GR00T 2, em 9 de novembro na Conferência sobre Aprendizado de Robôs (CoRL) em Austin, Texas, construído em torno de uma ideia simples: robôs que aprendem observando humanos. O modelo usa vídeos humanos em primeira pessoa como principal material de treinamento, aprende manipulação hábil e transfere a habilidade para robôs de diferentes formatos. A NVIDIA também lançou o GR00T 2 Turbo, uma variante simplificada, e o Isaac Lab 3.0, sua estrutura de treinamento de robôs.

Prevendo a cena e a ação juntas

GR00T 2 é o que a NVIDIA chama de “modelo de ação mundial”, baseado em sua família Cosmos de modelos mundiais. Um único transformador de difusão de 2 bilhões de parâmetros prevê em conjunto como uma cena mudará e quais ações o robô deve realizar, a partir de um vídeo recente, uma instrução de tarefa e o estado atual do robô. A NVIDIA afirma que o design permite que o modelo entenda a física de uma tarefa antes de decidir como agir, em vez de apenas imitar trajetórias de movimento.

Treinado em 400.000 horas de vídeo humano; 95% de sucesso após cinco demonstrações

O mix de treinamento divulgado pela NVIDIA inclui 402.730 horas de vídeo humano em primeira pessoa, 10.184 horas de demonstrações de garras portáteis e 23.500 horas de teleoperação de robôs; 100.000 horas de vídeo humano foram lançadas abertamente como o conjunto de dados Human-1M-100K sob uma licença Creative Commons CC BY 4.0. A transferência de incorporação cruzada "X-Adapt" da NVIDIA transfere habilidades aprendidas em um robô ou de um humano para um robô diferente, incluindo braços de pinça, mãos hábeis e o humanóide Unitree G1.

Em 50 tarefas de manipulação hábeis (Dexter-50, em um robô bimanual com duas mãos Sharpa de 22 graus de liberdade), GR00T 2 obteve uma média de 40% de sucesso sem demonstrações no robô alvo – completando 40 das 50 tarefas pelo menos uma vez – subindo para 71% com uma demonstração por tarefa e 95% com cinco demonstrações mais um ajuste fino de 30 minutos em um único RTX 5090 placa gráfica.

O valor de 95% precisa de desconto; código do modelo chega em dezembro

Os 95% não são um número de confiabilidade de campo: o white paper da NVIDIA revela que as 50 tarefas de teste foram escolhidas entre aquelas que o modelo aprende com cinco demonstrações (pelo menos 80% de sucesso), portanto o número carrega uma condição de seleção; todos os resultados são avaliação da própria NVIDIA, sem replicação independente publicada. Os parceiros nomeados pela NVIDIA — Foxconn, Siemens e Nexuni — estão em fase de testes ou avaliação.

O rótulo “aberto” também é parcial: o conjunto de dados de 100.000 horas é genuinamente aberto, mas o código do modelo só será lançado em dezembro, e a NVIDIA não anunciou nenhuma data de lançamento ou licença para os pesos do modelo; Isaac Lab 3.0 está geralmente disponível. Fontes: Blog da NVIDIA, página de pesquisa da NVIDIA, The Robot Report, 9 de novembro de 2026; The Neuron, alfw.ai, 10 de novembro de 2026.