- GR00T 2 puede transferir habilidades demostradas por humanos a tareas que las máquinas no han realizado.
- La tasa de éxito del modelo puede alcanzar el 95% tras un ajuste fino.
- La tecnología de adaptación cruzada permite a los robots aprender habilidades de demostraciones de diferentes dispositivos.
- GR00T 2 Turbo es una versión más pequeña diseñada para robots humanoides, con una velocidad de ejecución más rápida.
NVIDIA ha anunciado el lanzamiento de la nueva generación del modelo base de robot GR00T 2, que puede transferir habilidades demostradas por humanos a máquinas que nunca han realizado estas tareas. Como un modelo de acción global, GR00T 2 puede predecir simultáneamente videos futuros y movimientos de robots, lo que le permite aprender el proceso de interacción física y calcular las acciones necesarias para completar tareas. El modelo está diseñado para ser aplicable a diferentes formas de robots, incluyendo brazos de pinzas paralelas, manos ágiles de cinco dedos y robots humanoides. NVIDIA afirma que GR00T 2 puede aprender de videos humanos, herramientas manuales y demostraciones recopiladas por otros robots.
En pruebas que involucraron 50 tareas no demostradas en el robot objetivo, GR00T 2 alcanzó una tasa de éxito promedio del 40% sin necesidad de entrenamiento específico para cada tarea. Al proporcionar cinco demostraciones para cada tarea, la tasa de éxito aumentó al 95% tras 30 minutos de ajuste fino. Los datos de robot necesarios para cada tarea de demostración fueron de menos de tres minutos.
Aplicación de la tecnología de adaptación cruzada
NVIDIA denomina a este enfoque adaptación cruzada (cross-adaptation), abreviada como X-Adapt, permitiendo a los robots transferir habilidades de demostraciones de diferentes formas o dispositivos. En un experimento, los investigadores demostraron a un robot cómo verter a través de un embudo de laboratorio usando papel de filtro y humedecer con una botella. La demostración fue realizada únicamente por humanos, sin operación remota del robot objetivo, y como resultado, el robot de cinco dedos completó la tarea con éxito en el 65% de los ensayos. En otra prueba, una herramienta de interfaz de operación universal (UMI) demostró cómo ensamblar un camión de juguete volquete, y luego otro brazo robótico llamado YAM completó el ensamblaje en el 60% de los ensayos, a pesar de no haber recibido demostraciones específicas de la tarea.
Los investigadores también utilizaron un dispositivo portátil que puede imitar los movimientos de los dedos humanos, enseñando al robot a realizar tareas con ambas manos, incluyendo hacer yogur de plátano, recoger avena y encender fósforos para iluminar lámparas. El entrenamiento del modelo combinó 402,730 horas de videos humanos en primera persona, 10,184 horas de demostraciones con herramientas manuales y 23,500 horas de datos de operación remota de robots. NVIDIA indica que las 100,000 horas de datos de su conjunto de datos Human-1M están disponibles públicamente.
Características de GR00T 2 Turbo
GR00T 2 también puede colaborar con modelos de inferencia, descomponiendo tareas complejas en pasos, monitoreando el progreso y guiando al robot a través de una interfaz de programación de aplicaciones. En pruebas que involucraron el ensamblaje de tres juguetes, este enfoque completó al menos 97 de 100 ensayos para cada juguete. El sistema puede recuperarse de errores y interrupciones durante el proceso. Además, la función de guía visual permite que el modelo de inferencia marque las posiciones de los objetos que el robot debe agarrar y soltar, lo que elevó la tasa de éxito en tareas cortas que involucraban mover objetos en YAM del 40% al 92%.
NVIDIA también ha desarrollado GR00T 2 Turbo, una versión más pequeña diseñada para robots humanoides, con el objetivo de lograr una velocidad de ejecución más rápida. Este modelo se ejecuta directamente en el Unitree G1, utilizando el procesador Jetson Thor integrado, con un tiempo de predicción de 124 milisegundos. A través de un controlador corporal, el robot humanoide completó con éxito la tarea de proporcionar palomitas de maíz en 48 ensayos y limpió la mesa de diferentes objetos en el 93% de los ensayos.
NVIDIA presentó GR00T 2 en la conferencia de aprendizaje robótico celebrada el 9 de noviembre en Austin, Texas. La compañía afirma que este modelo está diseñado para ayudar a los robots a ir más allá de las acciones de entrenamiento limitadas, hacia operaciones más adaptativas, aplicables en entornos industriales y cotidianos.
Elemento Especificaciones Datos de entrenamiento 402,730 horas de videos humanos, 10,184 horas de demostraciones con herramientas manuales, 23,500 horas de datos de operación remota de robots Tiempo de predicción 124 milisegundos Tasa de éxito (tras ajuste fino) 95%
Cómo GR00T 2 está cambiando la forma en que los robots aprenden
El modelo GR00T 2 de NVIDIA representa un avance significativo en el aprendizaje robótico, especialmente en la transferencia de habilidades. A través de demostraciones humanas, los robots pueden aprender rápidamente nuevas tareas, lo que no solo mejora la eficiencia, sino que también amplía el ámbito de aplicación de los robots. La introducción de la tecnología de adaptación cruzada permite que robots de diferentes formas compartan experiencias de aprendizaje, lo que tiene importantes implicaciones para la colaboración y el desarrollo de autonomía en el futuro. Además, el lanzamiento de GR00T 2 Turbo demuestra el compromiso de NVIDIA con el rendimiento de los robots humanoides, con un gran potencial de aplicación en entornos industriales y de la vida diaria.

