NVIDIA ha presentato GR00T 2, una nuova generazione di modelli di intelligenza artificiale per robot umanoidi capace di apprendere dalle dimostrazioni umane e di prevedere come l’ambiente circostante cambierà in conseguenza dei movimenti eseguiti. Il sistema è stato illustrato durante la Conference on Robot Learning, tenutasi ad Austin, e introduce un’architettura denominata World Action Model, progettata per generare congiuntamente le azioni del robot e le rappresentazioni visive degli stati futuri dell’ambiente. Rispetto alle precedenti versioni GR00T N1, N1.5, N1.6 e N1.7, che erano principalmente orientate alla comprensione dei comandi e alla generazione delle traiettorie motorie, il nuovo modello integra una previsione esplicita delle trasformazioni fisiche prodotte dall’azione. Quando un robot deve afferrare e spostare un oggetto, il sistema non determina soltanto i movimenti di braccia e mani, ma elabora anche una previsione della posizione successiva dell’oggetto e dei cambiamenti prodotti nella scena. Questa impostazione permette di trasferire competenze apprese osservando persone e altri robot a piattaforme che non hanno eseguito direttamente le medesime operazioni.
L’addestramento ha utilizzato oltre 400.000 ore di registrazioni di attività umane riprese in prima persona, integrate con dimostrazioni ottenute mediante pinze portatili e dati raccolti attraverso la teleoperazione robotica. L’insieme comprende movimenti eseguiti da persone e differenti sistemi meccanici, con l’obiettivo di apprendere rappresentazioni dell’azione utilizzabili su hardware diverso. In una valutazione comprendente 50 attività mai precedentemente eseguite dai robot destinatari, GR00T 2 ha ottenuto una percentuale media di successo del 40% senza dimostrazioni aggiuntive. Con una singola dimostrazione per attività e un successivo adattamento del modello, il valore è salito al 71%, raggiungendo il 95% con cinque dimostrazioni. I dati robotici necessari per acquisire queste ultime richiedevano meno di tre minuti per attività, mentre l’addestramento aggiuntivo è stato completato in circa 30 minuti utilizzando una singola GPU NVIDIA RTX 5090.
Le sperimentazioni hanno riguardato anche il trasferimento diretto delle competenze da persone a robot differenti. Osservando una dimostrazione umana nella quale veniva collocata carta da filtro in un imbuto e successivamente applicato un liquido di lavaggio, il sistema ha eseguito l’operazione con una percentuale di successo del 65%, senza disporre di una dimostrazione di manipolazione effettuata sul robot destinatario. Un’ulteriore prova ha trasferito a un braccio robotico la procedura di assemblaggio di un camion giocattolo, precedentemente dimostrata con una pinza portatile, ottenendo il 60% di successo. Nelle valutazioni con dati di simulazione aggiuntivi, il robot umanoide Unitree G1 ha raggiunto il 63,3% di successo con GR00T 2 Turbo, rispetto al 40% registrato da GR00T 1.7. NVIDIA ha inoltre sperimentato l’integrazione tra GR00T 2 e modelli di ragionamento capaci di pianificare sequenze articolate, verificare l’avanzamento e decidere procedure di recupero dopo un errore. Nell’assemblaggio consecutivo di aeroplani, trattori e automobili giocattolo sono state registrate percentuali di successo comprese tra il 97% e il 98% su 100 prove per ciascuna tipologia.
NVIDIA ha presentato anche GR00T 2 Turbo, una versione più leggera basata su due miliardi di parametri e progettata per essere eseguita direttamente sul modulo NVIDIA Jetson Thor installato nel robot Unitree G1. Nelle dimostrazioni fisiche il sistema ha completato correttamente tutte le 48 prove di preparazione e servizio di popcorn, mentre l’operazione di riordino di un tavolo con oggetti differenti ha raggiunto il 93% di successo. Le prime applicazioni industriali comprendono l’impiego da parte di Foxconn nell’automazione dei processi di produzione dei server, le valutazioni di Siemens per ambienti industriali, le prove di Nexuni nella movimentazione della biancheria e l’utilizzo da parte di MicroAGI per la sostituzione di cavi Ethernet mediante bracci robotici. GR00T 2 si inserisce nell’ecosistema NVIDIA dedicato alla robotica, che comprende Cosmos per la rappresentazione e l’apprendimento del mondo fisico, Isaac Lab per la simulazione e l’addestramento virtuale e Jetson per il calcolo a bordo delle macchine. I risultati finora pubblicati derivano da attività e ambienti sperimentali definiti; la ripetibilità delle prestazioni, la sicurezza operativa e i costi di utilizzo continuativo richiedono ulteriori verifiche nei contesti produttivi reali.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)
