✨︎ Resumen (TL;DR):
- Nvidia presentó GR00T 2 el 9 de noviembre en Austin, Texas, para entrenar robots con pocos ejemplos propios.
- El promedio llegó a 95 % en 50 tareas con cinco demostraciones por tarea y un ajuste posterior; cada adaptación tomó unos 30 minutos en una RTX 5090.
- La cifra corresponde a tareas seleccionadas y no prueba el mismo rendimiento en cualquier tarea ni en una fábrica.
GR00T 2 es un modelo de inteligencia artificial para robots que combina observaciones de video, instrucciones y datos sobre el estado del robot para predecir cómo podría cambiar una escena y generar una secuencia de movimientos. Nvidia reportó un promedio de 95 % de éxito en 50 tareas después de dar al sistema cinco demostraciones por tarea y aplicar un ajuste adicional. El objetivo es que un robot ejecute tareas con pocos ejemplos propios, aunque la prueba usó un conjunto seleccionado bajo condiciones específicas.
Nvidia presentó el modelo el 9 de noviembre en la Conference on Robot Learning, celebrada en Austin, Texas. La empresa busca que el conocimiento adquirido con personas y distintas máquinas ayude a un robot a ejecutar tareas para las que tiene pocos ejemplos propios.
Cinco demostraciones llevaron el promedio a 95 %
La evaluación utilizó un robot equipado con dos manos Sharpa de cinco dedos. Las 50 tareas aparecían en videos humanos o en datos de otros robots, pero no en los datos previos de la máquina evaluada.
La progresión reportada por Nvidia fue la siguiente:
- Sin demostraciones específicas de ese robot, GR00T 2 completó al menos una vez 40 de las 50 tareas. Su promedio de éxito fue de 40 %. Haber resuelto una tarea una vez no significó que la completara en todos los intentos.
- Con una demostración por tarea y un ajuste del modelo, el promedio subió a 71 %.
- Con cinco demostraciones por tarea y el ajuste posterior, llegó a 95 %. Los cinco ejemplos sumaron menos de tres minutos de datos del robot por tarea, y cada adaptación tomó unos 30 minutos en una tarjeta gráfica RTX 5090.
Ese 95 % no representa cualquier tarea. La selección descrita para la prueba incluyó tareas que el modelo podía aprender con cinco demostraciones y en las que podía alcanzar al menos 80 % de éxito. Por eso, el promedio describe el conjunto elegido para la evaluación, no el desempeño esperado ante una tarea arbitraria.
El entrenamiento combina datos humanos y robóticos
El entrenamiento previo combinó 402,730 horas de video en primera persona de actividades humanas con 10,184 horas de demostraciones mediante una pinza manual y 23,500 horas de teleoperación de robots. GR00T 2, por tanto, no se entrenó únicamente con imágenes de personas.
Nvidia afirma que 100,000 horas de ese material humano están disponibles de forma abierta como Human-1M-100K. La página de GR00T 2 indica que el código estará disponible en diciembre de 2026.
En una prueba distinta, la empresa mostró un robot de dos manos que preparó un embudo de laboratorio con papel de filtro y lo humedeció. Nvidia reportó 65 % de éxito en esa tarea, aprendida a partir de demostraciones humanas sin ejemplos de teleoperación específicos para ella.
Isaac Lab 3.0 prueba habilidades antes del hardware
Isaac Lab 3.0 es una herramienta de simulación que permite crear entornos donde los robots practican y se evalúan antes de llevar una habilidad a una máquina física. Nvidia informó el 21 de octubre que la versión ya estaba disponible y la presentó junto con GR00T 2 en la conferencia.
La herramienta permite trabajar con motores de física como Newton y PhysX. En una prueba de manipulación basada en visión, Nvidia reportó que Isaac Lab 3.0 con Newton alcanzó hasta 2.5 veces el rendimiento de entrenamiento de Isaac Lab 2.3 con PhysX. La comparación se limita a esa prueba y a esas configuraciones.
Otro proyecto, AlphaNIST, utilizó Isaac Lab para entrenar en simulación una sola política, es decir, un sistema que decide cómo actuar, en 20 tareas de ensamblaje. Nvidia informó más de 98 % de éxito durante el entrenamiento, frente a 81 % de éxito de políticas separadas para cada tarea, con unas 39 veces menos tiempo de GPU.
Esa medición corresponde al entrenamiento simulado de AlphaNIST. No es una tasa de éxito de GR00T 2 en una fábrica.
Las pruebas empresariales aún no muestran producción continua
Nvidia afirma que Foxconn aplica GR00T 2 a la automatización de la fabricación de servidores, que Siemens lo evalúa para usos industriales y que Nexuni lo prueba para manipular ropa.
La compañía no proporcionó cifras de producción ni resultados de operación prolongada para esos casos. Esas mediciones permitirían comparar los ensayos con condiciones de uso continuado, incluidos cambios de piezas, fallas, intervención humana y el tiempo necesario para adaptar cada tarea.
Por ahora, el resultado central de GR00T 2 es un promedio de 95 % en un conjunto seleccionado de 50 tareas, después de cinco demostraciones y un ajuste. Las cifras que permitirían medir su desempeño fuera de esa evaluación todavía no aparecen en el anuncio.
