NVIDIA Meluncurkan Model Dasar Robot GR00T 2 yang Mampu Belajar Keterampilan dengan Cepat Melalui Demonstrasi Manusia

·oleh Henderson·Engineering
NVIDIA Meluncurkan Model Dasar Robot GR00T 2 yang Mampu Belajar Keterampilan dengan Cepat Melalui Demonstrasi Manusia
Poin Penting
  • GR00T 2 dapat mentransfer keterampilan yang didemonstrasikan oleh manusia ke tugas mesin yang belum pernah dilakukan.
  • Model ini memiliki tingkat keberhasilan hingga 95% setelah disesuaikan.
  • Teknologi cross-adaptation memungkinkan robot belajar keterampilan dari demonstrasi perangkat yang berbeda.
  • GR00T 2 Turbo adalah versi lebih kecil yang dirancang khusus untuk robot humanoid, dengan kecepatan eksekusi yang lebih cepat.

NVIDIA mengumumkan peluncuran generasi baru model dasar robot GR00T 2, yang mampu mentransfer keterampilan yang didemonstrasikan oleh manusia ke mesin yang belum pernah melakukan tugas tersebut. Sebagai model global, GR00T 2 dapat memprediksi video masa depan dan gerakan robot secara bersamaan, yang memungkinkannya untuk belajar proses interaksi fisik dan menghitung tindakan yang diperlukan untuk menyelesaikan tugas. Model ini dirancang untuk berbagai bentuk robot, termasuk lengan penjepit paralel, tangan lima jari yang lincah, dan robot humanoid. NVIDIA menyatakan bahwa GR00T 2 dapat belajar dari video manusia, alat genggam, dan demonstrasi yang dikumpulkan melalui robot lain.

Dalam pengujian yang melibatkan 50 tugas yang belum pernah didemonstrasikan pada robot target, GR00T 2 mencapai tingkat keberhasilan rata-rata 40% tanpa pelatihan untuk tugas tertentu. Dengan memberikan lima demonstrasi untuk setiap tugas dan setelah 30 menit penyesuaian, tingkat keberhasilan meningkat menjadi 95%. Data robot yang diperlukan untuk setiap tugas dalam demonstrasi tersebut kurang dari tiga menit.

Aplikasi Teknologi Cross-Adaptation

NVIDIA menyebut metode ini sebagai cross-adaptation, disingkat X-Adapt, yang memungkinkan robot mentransfer keterampilan dari demonstrasi bentuk atau perangkat yang berbeda. Dalam sebuah eksperimen, para peneliti mendemonstrasikan kepada robot bagaimana menggunakan kertas saring untuk mengalirkan corong laboratorium dan melembapkan dengan botol. Demonstrasi ini hanya dilakukan oleh manusia, tanpa pengoperasian jarak jauh pada robot target, dan hasilnya, robot lima jari berhasil menyelesaikan tugas dalam 65% percobaan. Dalam pengujian lain, alat genggam universal (UMI) mendemonstrasikan cara merakit truk sampah mainan, dan kemudian lengan robot bernama YAM menyelesaikan perakitan dalam 60% percobaan, meskipun tidak pernah menerima demonstrasi untuk tugas tertentu.

Para peneliti juga menggunakan perangkat yang dapat dikenakan, yang mampu meniru gerakan jari manusia, untuk mengajarkan robot tangan melakukan tugas dengan kedua tangan, termasuk membuat yogurt pisang, mengambil oatmeal, dan menyalakan korek api untuk menerangi lampu. Pelatihan model ini menggabungkan 402,730 jam video manusia dari sudut pandang pertama, 10,184 jam demonstrasi alat genggam, dan 23,500 jam data pengoperasian jarak jauh robot. NVIDIA menyatakan bahwa 100,000 jam data dari dataset Human-1M tersedia untuk umum.

Fitur GR00T 2 Turbo

GR00T 2 juga dapat bekerja sama dengan model inferensi, membagi tugas kompleks menjadi langkah-langkah, memantau kemajuan, dan membimbing robot melalui antarmuka aplikasi. Dalam pengujian yang melibatkan perakitan tiga mainan, metode ini berhasil menyelesaikan setidaknya 97 dari 100 percobaan untuk setiap mainan. Sistem ini mampu pulih dari kesalahan dan gangguan selama proses. Selain itu, fitur panduan visual memungkinkan model inferensi menandai lokasi di mana robot harus mengambil dan melepaskan objek, yang meningkatkan tingkat keberhasilan tugas singkat yang melibatkan pemindahan objek di YAM dari 40% menjadi 92%.

NVIDIA juga mengembangkan GR00T 2 Turbo, versi lebih kecil yang dirancang khusus untuk robot humanoid, dengan tujuan mencapai kecepatan eksekusi yang lebih cepat. Model ini berjalan langsung di Unitree G1, menggunakan prosesor Jetson Thor yang terintegrasi, dengan waktu prediksi 124 milidetik. Melalui pengontrol tubuh, robot humanoid ini berhasil menyelesaikan tugas memberikan popcorn dalam 48 percobaan dan membersihkan meja dari berbagai objek dalam 93% percobaan.

NVIDIA memperkenalkan GR00T 2 pada konferensi pembelajaran robot yang diadakan pada 9 November di Austin, Texas. Perusahaan ini menyatakan bahwa model ini dirancang untuk membantu robot melampaui tindakan pelatihan yang sempit, menuju operasi yang lebih adaptif, yang dapat diterapkan di lingkungan industri dan sehari-hari.

ItemSpesifikasi
Data pelatihan402,730 jam video manusia, 10,184 jam demonstrasi alat genggam, 23,500 jam data pengoperasian jarak jauh robot
Waktu prediksi124 milidetik
Tingkat keberhasilan (setelah penyesuaian)95%

Bagaimana GR00T 2 Mengubah Cara Robot Belajar

Model GR00T 2 dari NVIDIA mewakili kemajuan signifikan dalam pembelajaran robot, terutama dalam hal transfer keterampilan. Melalui demonstrasi manusia, robot dapat dengan cepat belajar tugas baru, yang tidak hanya meningkatkan efisiensi tetapi juga memperluas cakupan aplikasi robot. Pengenalan teknologi cross-adaptation memungkinkan robot dengan bentuk yang berbeda untuk berbagi pengalaman belajar, yang memiliki arti penting untuk kolaborasi robot di masa depan dan pengembangan otonomi. Selain itu, peluncuran GR00T 2 Turbo menunjukkan perhatian NVIDIA terhadap kinerja robot humanoid, dengan potensi aplikasi yang besar di industri dan kehidupan sehari-hari di masa depan.

H
Tentang penulis
Henderson