NVIDIA ने मानव वीडियो से सीखने वाले रोबोटों के लिए GR00T 2 पेश किया

NVIDIA ने GR00T 2 पेश किया 9 नवंबर, 2026 को ऑस्टिन में आयोजित Conference on Robot Learning (CoRL) में। कंपनी ने बताया कि मानव वीडियो पर आंशिक रूप से प्रशिक्षित इस मॉडल ने ऐसे 50 कार्यों में बिना किसी पूर्व उदाहरण के 40% सफलता हासिल की, जो लक्ष्य रोबोट के प्रशिक्षण डेटा में शामिल नहीं थे।

GR00T 2 में 2 अरब पैरामीटर वाला ट्रांसफ़ॉर्मर है, जिसे Cosmos-Predict2.5-2B के आधार पर बनाया गया है। यह हाल के कैमरा दृश्यों, रोबोट की स्थिति और लिखित निर्देश को मिलाकर भविष्य के संभावित दृश्यों और अगली क्रिया-श्रृंखला का अनुमान लगाता है। एक ही पूर्व-प्रशिक्षित चेकपॉइंट समानांतर-ग्रिपर वाले बाजुओं, कुशल हाथों और ह्यूमनॉइड को कवर करता है। NVIDIA इस मॉडल को ओपन बताता है, हालांकि उसके शोध पृष्ठ के अनुसार, इसका कोड दिसंबर में उपलब्ध होगा।

पूर्व-प्रशिक्षण में प्रथम-व्यक्ति दृष्टिकोण से रिकॉर्ड किए गए मानव वीडियो के 402,730 घंटे, 2,897 कार्यों में हैंडहेल्ड ग्रिपर से किए गए प्रदर्शनों के 10,184 घंटे और रोबोट टेलीऑपरेशन के 23,500 घंटे शामिल हैं। Human-1M-100K रिलीज़ के तहत इस मानव डेटा में से 100,000 घंटे उपलब्ध कराए गए हैं। इसमें वीडियो, भाषा संबंधी एनोटेशन तथा सिर और हाथों की गति का डेटा शामिल है। इसका लाइसेंस CC BY 4.0 है, जो व्यावसायिक और गैर-व्यावसायिक, दोनों तरह के उपयोग की अनुमति देता है।

अलग-अलग प्रकार के रोबोटों पर किए गए परीक्षण दिखाते हैं कि कौशल एक शरीर से दूसरे शरीर में कैसे स्थानांतरित होते हैं और सीमित रोबोट डेटा के साथ उनमें कैसे अनुकूलन किया जा सकता है। NVIDIA के अनुसार, मानव प्रदर्शनों से सीखे गए फ़िल्टर-पेपर सेटअप में, कार्य-विशिष्ट टेलीऑपरेशन के बिना, सफलता दर 65% रही। हैंडहेल्ड ग्रिपर से YAM बाजू में स्थानांतरित किए गए खिलौना डंप ट्रक को जोड़ने के कार्य में सफलता दर 60% रही। Dexter मूल्यांकन में GR00T 2 ने 40 कार्यों में से प्रत्येक पर कम-से-कम एक परीक्षण पूरा किया। हर कार्य के लिए एक प्रदर्शन के साथ औसत सफलता दर 71% और पाँच प्रदर्शनों के साथ 95% तक पहुँचती है। ये पाँच प्रदर्शन प्रति कार्य तीन मिनट से कम का रोबोट डेटा देते हैं, जिसके बाद एक RTX 5090 पर लगभग 30 मिनट तक अडैप्टर को फ़ाइन-ट्यून किया जाता है।

तकनीकी श्वेतपत्र में पाँच-प्रदर्शन वाले नतीजे के बारे में एक शर्त बताई गई है: मूल्यांकन के लिए उन कार्यों में से चुना गया था जिन्हें मॉडल पाँच एपिसोड में कम-से-कम 80% सफलता दर के साथ सीख सकता है। इसलिए, इस औसत का ऊँचा होना कुछ हद तक चयन की प्रक्रिया का नतीजा है।

सिमुलेशन प्रशिक्षण में अब सटीकता पर ज़ोर

सिमुलेशन का आधार Isaac Lab 3.0 है, जो 20 अक्टूबर, 2026 से आम तौर पर उपलब्ध है। यह भौतिकी, रेंडरिंग और विज़ुअलाइज़ेशन बैकएंड के लिए एक ही टास्क API देता है। Newton कठोर वस्तुओं, विकृत होने वाली वस्तुओं और कणों को सपोर्ट करता है, और कई वर्कफ़्लो पूरे Isaac Sim इंस्टॉलेशन के बिना चलाए जा सकते हैं। दृष्टि-आधारित कुशल हेरफेर के एक बेंचमार्क में NVIDIA के अनुसार, Newton के साथ चलने पर Isaac Lab 3.0 की प्रशिक्षण-प्रक्रिया की गति, PhysX के साथ Isaac Lab 2.3 की तुलना में 2.5 गुना तक है।

AlphaNIST बड़े पैमाने पर सिमुलेशन अभ्यास को NIST Assembly Task Board के 20 कार्यों पर लागू करता है। इनमें 4 मिलीमीटर जितने छोटे पुर्ज़े भी शामिल हैं। एक साझा नीति को केवल हाँ-या-नहीं वाले सफलता पुरस्कार के साथ प्रशिक्षित किया जाता है। NVIDIA के अनुसार, इस नीति की प्रशिक्षण सफलता दर 98.2% रही, जबकि हर कार्य के लिए अलग-अलग नीतियों की सफलता दर 81.4% थी। इसमें GPU समय भी लगभग 39 गुना कम लगा। ये सिमुलेशन-प्रशिक्षण के नतीजे हैं।

AlphaNIST के पीछे Success-Guided Sampling है, जिसे University of Washington और NVIDIA ने विकसित किया है। यह अभ्यास को उन कॉन्फ़िगरेशन की ओर निर्देशित करता है जो नीति की क्षमता-सीमा के करीब हों, खासकर उन कॉन्फ़िगरेशन की ओर जिन्हें वह लगभग आधे समय हल कर पाती है। इस विधि के लेखकों के अनुसार, इसका प्रभावी विस्तार दस लाख से अधिक सिमुलेटेड परिवेशों तक किया जा सकता है और RGB-आधारित असेंबली नीतियों को बिना पूर्व उदाहरण के वास्तविक UR5e हार्डवेयर पर स्थानांतरित किया जा सकता है।

औद्योगिक विविधता को ध्यान में रखते बेंचमार्क

Isaac Lab-Arena मूल्यांकन की परत उपलब्ध कराता है। यह ओपन-सोर्स फ़्रेमवर्क मॉड्यूलर घटकों से दोहराए जा सकने वाले मूल्यांकन तैयार करता है और उन्हें GPU-त्वरित सिमुलेटेड परिवेशों में चलाता है। इसकी विफलता विश्लेषण सुविधा दिखाती है कि किन परिस्थितियों में एक और प्रशिक्षण चक्र की ज़रूरत है। NVIDIA के अनुसार, इसका 0.4 डेवलपर प्रीव्यू CoRL में आने वाला है।

NVIDIA के साथ RLWRLD द्वारा विकसित DexBench v1.0 में खुदरा, लॉजिस्टिक्स, असेंबली लाइन और होटल के खाद्य एवं पेय संबंधी दृश्यों पर आधारित 15 कार्य हैं। UC Berkeley और NVIDIA का VABAR टूल छाँटने और टाँगने, गियर मेशिंग, सिरिंज पैकिंग तथा केबल डालने और व्यवस्थित करने के कार्यों को कवर करता है। इसमें 33 कौशलों की लाइब्रेरी का सहारा लिया गया है। VABAR के प्रोजेक्ट पृष्ठ के अनुसार, कठिनाई के इसके दो मौजूदा स्तर वैलिडेशन सेट बनाते हैं और इससे कठिन टेस्ट सेट अभी आना बाकी है।

एजेंट जोड़ते हैं विफलता से उबरने की क्षमता और नई सीमाएँ

UC Berkeley का Graph-as-Policy फ़्रेमवर्क कई एजेंटों का उपयोग करके रोबोट कौशलों का व्याख्या योग्य निर्देशित ग्राफ़ तैयार करता है, उसका सिमुलेशन में अभ्यास कराता है और विफलताओं के बाद उसकी संरचना तथा पैरामीटर में संशोधन करता है। प्रोजेक्ट के अनुसार, अभ्यास के दस दौर से Make Popcorn में शुरुआती 33% नतीजा सिमुलेशन में 94% और वास्तविक रोबोट पर 90%—यानी 20 में से 18 बार—तक पहुँचा। इसके मौजूदा बेंचमार्क अर्ध-स्थैतिक हेरफेर पर केंद्रित हैं; विकृत होने वाली वस्तुएँ, गतिशीलता और चलित लक्ष्य भविष्य के काम हैं।

GR00T 2 कौशलों का क्रम तय करने, प्रगति पर नज़र रखने और पुर्ज़े गिरने या काम रुकने पर सुधारात्मक प्रक्रियाएँ शुरू करने के लिए एक तर्क-आधारित एजेंट का उपयोग करता है, जबकि मॉडल संपर्क-प्रधान हेरफेर संभालता है। सुधारात्मक डेटा और इस एजेंट के साथ NVIDIA के अनुसार, 100 परीक्षणों में से हर एक में—जहाँ हर बार खिलौने के पुर्ज़े बेतरतीब ढंग से गिराए गए थे—98 खिलौना विमानों, 97 खिलौना ट्रैक्टरों और 97 Hot Wheels की असेंबली सफल रही। केवल पर्यवेक्षित फ़ाइन-ट्यूनिंग से ये आँकड़े क्रमशः 69, 51 और 23 थे।

श्वेतपत्र में प्रशिक्षण के बाद के दीर्घ-अवधि वाले बेंचमार्क पर औसत सफलता दर लगभग 70% अलग से बताई गई है। दृश्य संकेतों से निर्देशित कचरा छँटाई के कार्य में, एक एपिसोड के दौरान रोबोट ने मध्यिका के आधार पर 38% समय एजेंट का इंतज़ार किया। इससे एजेंट की निगरानी की विलंबता-लागत सामने आती है।

NVIDIA का कहना है कि Nexuni कपड़े धोने के काम के लिए GR00T 2 का परीक्षण कर रही है, Foxconn इसे सर्वर निर्माण के स्वचालन में लागू कर रही है और Siemens औद्योगिक उपयोग के मामलों का मूल्यांकन कर रही है। घोषित कार्य परीक्षण और मूल्यांकन तक ही सीमित है; उत्पादन में तैनाती की कोई घोषणा नहीं की गई है।

श्वेतपत्र का निष्कर्ष विश्वसनीयता का श्रेय व्यापकता के लिए पूर्व-प्रशिक्षण, सटीकता के लिए सुधारात्मक प्रदर्शनों और पुनर्बलन अधिगम, तथा स्मृति, सत्यापन और पुनर्प्राप्ति के लिए एजेंटों को देता है। इसलिए औद्योगिक उपयोगकर्ताओं के लिए उपयोगी पैमाना GR00T 2 से जुड़ा पूरा कार्यप्रवाह और हर काम में लगने वाला पर्यवेक्षण है। तैनाती की चुनौती यह है कि NVIDIA के अपने परिणामों में दर्ज विश्वसनीयता बरकरार रखते हुए प्रति-कार्य अनुकूलन और एजेंटों के प्रतीक्षा समय को कम किया जाए।