Nvidia GR00T 2: robotmodel der lærer opgaver af få eksempler

Hvad er nyt

Nvidia har præsenteret Isaac GR00T 2, en robotmodel, der skal kunne bruges til mange forskellige opgaver og robottyper. Den bygger på forskningsprojektet DreamZero og på en såkaldt world action model. Det betyder, at modellen både forudsiger, hvordan verden ser ud lige om lidt, og hvilke handlinger robotten skal udføre. Det sker i ét gennemløb.

Modellen har 2 milliarder parametre (de indstillelige knapper, en AI-model lærer med) og bygger på Nvidia Cosmos. Den er trænet på 402.730 timers førstepersonsvideo af mennesker, 10.184 timers demonstrationer med en håndholdt gribber fordelt på 2.897 opgaver og 23.500 timers robot-teleoperation, hvor et menneske styrer robotten. Den er afprøvet på blandt andet robotarmene YAM og Franka, hænder fra Sharpa og Wuji og humanoiden Unitree G1.

Hvad er smart

Pointen er, at robotten skal lære hurtigt. Ifølge Nvidia klarer modellen 40 procent af 50 opgaver uden at have set en eneste demonstration (zero-shot). Med én demonstration pr. opgave er gennemsnittet 71 procent, og med fem demonstrationer, svarende til under tre minutters robotdata, er det 95 procent. De 95 procent gælder opgaver, der er udvalgt til at kunne læres med fem demonstrationer (mindst 80 procent succes), så tallet er højt delvist af konstruktion. Alle tal er Nvidias egne målinger.

Tilpasning til en ny opgave kræver cirka 30 minutters finjustering på ét RTX 5090-grafikkort. Nvidia nævner også 85 procent succes med at håndtere GB300-hukommelsesmoduler og 60 procent på fire minutters samling af en legetøjslastbil. Varianten GR00T 2 Turbo har samme størrelse, men fire gange færre spatiale tokens (små stykker visuel information). Den kører på Jetson AGX Thor med 124 millisekunder pr. forudsigelse.

Billigere eller bedre?

Prisen er ikke oplyst. Ifølge Nvidia lykkes robotter med nye opgaver i nye miljøer mere end dobbelt så ofte med GR00T 2 som med førende vision-sprog-handlingsmodeller, og modellen er nr. 1 på MolmoSpaces og RoboArena for generalistiske robotmodeller. Det er Nvidias egen påstand, og konkurrenterne er ikke nævnt ved navn.

Modelvægtene (selve den færdigtrænede model) forventes udgivet i december 2026. Allerede nu er pipelinen SimFoundry, annotationsmodellerne Flora, datasættet Human-1M-100K med 100.000 timers data og hardwaredesigns tilgængelige. Licensen for selve modellen er endnu ikke offentliggjort, og Flora er udgivet under en ikke-kommerciel forskningslicens. Det fremgår ikke af kilderne, hvordan tilgængeligheden er i Danmark og EU. Nvidia-forskeren Jim Fan siger, at robotteknologi ikke længere er en elitær sport, og at man skal eje sit System 1, uden bånd og frit.

Det er den god til

Modellen er målrettet robotter, der skal udføre fysiske opgaver, og hvor det er dyrt at vise robotten alt fra bunden. Ifølge artiklen tester Foxconn, Siemens, Nexuni og MicroAGI den i produktion, vasketøj og kabelhåndtering.

For almindelige brugere er der intet at købe eller hente endnu. For virksomheder med robotter kan de korte opsætningstider være interessante, når vægtene og licensen er på plads.