NVIDIA präsentiert GR00T 2 und Isaac Lab 3.0 auf der CoRL für fortgeschrittenes Robot Training

NVIDIA hat bahnbrechende Fortschritte in der Robotik auf der 2026-Konferenz für Robot Learning (CoRL) in Austin, Texas, vorgestellt. Das Unternehmen führte GR00T 2, ein Weltaktionsmodell, und Isaac Lab 3.0, ein Open-Source-Roboter-Lernframework, ein, um die Genauigkeit und Skalierbarkeit des Robotertrainings zu verbessern. Diese Innovationen zielen darauf ab, die Kluft zwischen Labordemonstrationen und der praktischen Bereitstellung zu überbrücken, indem sie Robotern ermöglichen, komplexe, geschickte Aufgaben mit größerer Autonomie und Anpassungsfähigkeit auszuführen.

GR00T 2: Ein Sprung in den Weltaktionsmodellen

GR00T 2, entwickelt auf NVIDIA Cosmos, ist darauf ausgelegt, Roboter in geschickter Manipulation mit verschiedenen Datensätzen zu trainieren, einschließlich 100,000 Stunden Open-Source-menschlicher egozentrischer Daten. Zu den Hauptmerkmalen von GR00T 2 gehören:

• Out-of-the-box-Leistung: Erfolgreich abgeschlossene 40 von 50 bewerteten Aufgaben ohne aufgabenspezifische Demonstrationen.
• Fähigkeitstransfer: Ermöglicht es Robotern, von menschlichen Demonstrationen zu lernen und Fähigkeiten über verschiedene Roboterkörper hinweg anzupassen.
• Verallgemeinerung mit minimalen Daten: Eine Erfolgsquote von 71% über 50 Aufgaben mit einer Demonstration pro Aufgabe erreicht, die auf 95% mit fünf Demonstrationen steigt.
• Agentenkontrolle: Bereitstellung von Werkzeugen für KI-Agenten, um Fähigkeiten zu sequenzieren und von Fehlern zu erholen.

GR00T 2 gehört zu den drei besten Modellen in Benchmarks wie RoboCasa365, RoboLab, RoboDojo und MolmoSpaces. Es wird von Nexuni für die Handhabung von Robotikwäsche, von Foxconn für die Automatisierung in Fabriken und von Siemens für industrielle Anwendungen getestet. MicroAGI hat auch GR00T 2 für Aufgaben zum Austausch von Ethernet-Kabeln mit einem YAM-Roboterarm genutzt.

Isaac Lab 3.0: Skalierung des Robotertrainings in der Simulation

Isaac Lab 3.0 bietet eine robuste Plattform für das Trainieren von Robotern in simulierten Umgebungen, bevor sie in der realen Welt eingesetzt werden. Die neueste Version führt ein:

• Verbesserte Physikintegration: Unterstützt deformierbare Objekte und komplexe artikulierte Systeme mit dem Newton-Physik-Engine.
• Verbesserter Trainingsdurchsatz: Erreicht bis zu 2.5x die Trainingsgeschwindigkeit seines Vorgängers, Isaac Lab 2.3, in benchmarks für visionbasierte geschickte Manipulation.
• Flexible Simulationswerkzeuge: Ermöglicht Forschern, zwischen NVIDIA PhysX und Newton-Lösern zu wechseln, Renderers für wahrnehmungsbasiertes Training auszuwählen und Verstärkungsbibliotheken nach dem Training auf Basis-Modelle wie GR00T anzuwenden.

Skild AI hat den STEEL-Löser, eine Rigid-Body-Physik-Engine auf der Basis von Newton, angekündigt, um das Robotertraining mit Isaac Lab weiter zu beschleunigen. Flexion hat demonstriert, wie Isaac Lab und Newton sein Reflect-Modell unterstützen, das Denken und Ganzkörpermanipulation kombiniert.

Gemeinsame Bemühungen und breitere Auswirkungen

NVIDIA arbeitet mit Partnern wie Ambi Robotics, Bosch Research, Siemens und UC Berkeley zusammen, um diese Fortschritte der Robotik-Community zugänglich zu machen. Das Unternehmen hat auch neue Workflows eingeführt, darunter Video zu Daten, das menschliche Videos in simulierte Roboter-Demonstrationen umwandelt, und EgoHand, ein 3D Handbewegungsrekonstruktionsmodell mit über 40,000 Downloads auf Hugging Face innerhalb von 2 Wochen nach dem Start.

Durch die Kombination von Simulation, Weltaktionsmodellen und agilen Robotik-Workflows zielen die neuesten Technologien von NVIDIA darauf ab, die Entwicklung von Robotern zu beschleunigen, die in dynamischen Umgebungen komplizierte Aufgaben ausführen können, und ebnen den Weg für eine breitere industrielle Akzeptanz.