Nvidias GR00T 2 lærer roboter en oppgave på fem demonstrasjoner og lykkes i 95 prosent

Nvidias nye robotmodell GR00T 2 er laget for å lære en praktisk oppgave etter noen få demonstrasjoner, i stedet for en lang treningsrunde. Vis den oppgaven én gang, og i Nvidias egne tester klarer den den som oftest. Viser du den oppgaven noen ganger til, bommer den sjelden. Det er viktig fordi det vanligvis har krevd gjentatte fjernstyrte gjennomganger av bevegelsene å lære en robotarm en ny oppgave. Det er den langsomme og kostbare delen av å ta roboter i bruk.

Nvidia omtaler GR00T 2 som en handlingsmodell for en åpen verden. Det er en type KI som ser på en situasjon, forutsier hvordan bevegelsene dens vil endre den, og deretter handler. Modellen kjører på Nvidias verdensmodeller Cosmos og er trent på en blanding av opptak fra roboter og video av mennesker. Videomaterialet omfatter et bibliotek med førstepersonsvideoer av mennesker som bruker hendene, som Nvidia har gjort tilgjengelig som åpen kildekode.

Tallene stammer fra Nvidias evaluering av 50 oppgaver innen håndtering og manipulering. Uten en egen demonstrasjon av oppgaven klarte GR00T 2 minst én gang å fullføre 40 av de 50 oppgavene. Med én demonstrasjon per oppgave var den gjennomsnittlige suksessraten 71 prosent, og med fem steg den til 95 prosent. Nvidia sier at modellen kan se et menneske utføre en oppgave og overføre ferdigheten til en annen robotkropp, uten å bruke opptak fra roboter. KI-agenter kan også bruke modellen via et API for å sette sammen ferdigheter og hente seg inn igjen hvis et trinn mislykkes.

Noen av de omtalte egenskapene har allerede tidlige testbrukere. Taiwanske Foxconn bruker GR00T 2 til fabrikkautomatisering innen serverproduksjon, Siemens evaluerer modellen på tvers av industrielle oppgaver, og Nexuni tester den til håndtering av klesvask. MicroAGI har videreutviklet modellen med forsterkningslæring, slik at den kan bytte Ethernet-kabler med en robotarm.

Sammen med modellen lanserte Nvidia Isaac Lab 3.0, et rammeverk med åpen kildekode som forskere bruker til å trene roboter i simulering før de setter ekte maskinvare på spill. Den tettere koblingen til Newton, en åpen fysikkmotor, gjør det mulig å simulere myke materialer som kabler og stoff, i tillegg til robothender med mange ledd. I én referansetest for håndmanipulering målte Nvidia opptil 2,5 ganger høyere treningskapasitet enn med den forrige Isaac Lab 2.3. I praksis betyr det flere treningsrunder på samme tid og med samme regnekraft.

Det er verdt å være klar over begrensningene. Suksessratene er Nvidias egne målinger, og å fullføre en oppgave «minst én gang» er langt unna å klare den hele dagen på et samlebånd. Nvidias påstander om at GR00T 2 ligger blant de tre beste på robotikkrangeringer som RoboCasa365, RoboLab, RoboDojo og MolmoSpaces, gjelder også for det meste simuleringer. Nvidia beskriver modellen som åpen, men da denne artikkelen ble skrevet, var vektene ennå ikke lagt ut på selskapets GitHub- eller Hugging Face-sider. Den nyeste versjonen som kan lastes ned, er fortsatt GR00T N1.7. Forbrukere har heller ingenting å kjøpe. Dette er et verktøysett for robotprodusenter og forskningslaboratorier, ikke en hjemmerobot.

For folk utenfor forskningsmiljøene vil endringen merkes gradvis, gjennom lager-, fabrikk- og serviceroboter som trenger mindre hjelp før de settes i arbeid. Siden verktøyene er publisert på nettet med åpen kildekode, kan laboratorier og oppstartsbedrifter hvor som helst ta dem i bruk – fra Nvidias partnere i Korea, som RLWRLD, til universiteter i Europa og Latin-Amerika.

Nvidia presenterte GR00T 2 og Isaac Lab 3.0 9. november 2026 på Conference on Robot Learning i Austin i Texas. Samtidig kom en utviklerforhåndsvisning av Isaac Lab-Arena 0.4, verktøyet for å teste robotstrategier på tvers av tusenvis av variasjoner, sammen med to nye åpne referansetester, DexBench og VABAR, utviklet for å måle hvor godt roboter håndterer industrielle oppgaver. Nvidia har ikke oppgitt noen dato for når GR00T 2-vektene blir tilgjengelige for nedlasting.

Tagger: Nvidia, robotikk, humanoide roboter, Foxconn, GR00T 2, Isaac Lab