NVIDIA, İnsan Videolarından Öğrenen Robotlar için GR00T 2’yi Tanıttı

NVIDIA, GR00T 2’yi tanıttı ve 9 Kasım 2026’da Austin’de düzenlenen Robot Öğrenimi Konferansı’nda (CoRL), hedef robotun eğitim verilerinde bulunmayan 50 görevde, kısmen insan videolarıyla eğitilmiş bir modelin sıfır atışta %40 başarı sağladığını bildirdi.

GR00T 2, Cosmos-Predict2.5-2B temelinde oluşturulmuş, 2 milyar parametreli bir transformatör kullanıyor. Beklenen gelecek kamera görüntülerini ve bir sonraki eylem dizisini oluşturmak için yakın tarihli kamera görüntülerini, robotun durumunu ve yazılı bir talimatı bir araya getiriyor. Önceden eğitilmiş tek bir kontrol noktası; paralel tutuculu kolları, el becerisi gerektiren işleri yapabilen elleri ve insansı bir robotu kapsıyor. NVIDIA modeli açık olarak tanıtsa da araştırma sayfasında kodun aralık ayında kullanıma sunulacağı belirtiliyor.

Ön eğitimde 402.730 saatlik birinci şahıs insan videosu, 2.897 görevde el tipi tutucularla gerçekleştirilen 10.184 saatlik gösterim ve 23.500 saatlik robot teleoperasyonu bir araya getiriliyor. Human-1M-100K veri seti, bu insan verilerinin 100.000 saatlik bölümünü; videoları, dil açıklamalarını ve baş ile el hareketi verilerini de içerecek şekilde, ticari ve ticari olmayan kullanıma izin veren CC BY 4.0 lisansı altında erişime açıyor.

Farklı robot gövdeleriyle yapılan testler, becerilerin gövdeler arasında nasıl aktarıldığını ve sınırlı robot verisiyle nasıl uyarlanabildiğini gösteriyor. NVIDIA, göreve özgü teleoperasyon olmadan insan gösterimlerinden öğrenilen filtre kâğıdı yerleştirme görevinde %65 başarı; el tipi bir tutucudan YAM koluna aktarılan oyuncak damperli kamyon montajında ise %60 başarı bildiriyor. Dexter değerlendirmesinde GR00T 2, 40 görevin her birinde en az bir denemeyi tamamladı. Her görev için bir gösterim kullanıldığında ortalama başarı %71’e, beş gösterim kullanıldığında ise %95’e ulaşıyor. Bu beş gösterim, görev başına üç dakikadan az robot verisi sağlıyor; ardından tek bir RTX 5090 üzerinde yaklaşık 30 dakikalık bir bağdaştırıcı ince ayarı yapılıyor.

Teknik dokümanda beş gösterimle elde edilen sonuç için bir koşul belirtiliyor: değerlendirilen görevler, modelin beş bölümle en az %80 başarı oranıyla öğrenebildiği görevler arasından seçilmiş. Bu nedenle ortalamanın yüksek olmasının nedeni kısmen bu seçim yöntemi.

Simülasyon Eğitimi Hassasiyete Odaklanıyor

Simülasyon altyapısını, 20 Ekim 2026’dan bu yana genel kullanıma açık olan Isaac Lab 3.0 oluşturuyor. Fizik, işleme ve görselleştirme arka uçlarında kullanılabilen tek bir görev API’si sunuyor; Newton katı cisimleri, deforme olabilen cisimleri ve parçacıkları destekliyor, ayrıca birçok iş akışı tam bir Isaac Sim kurulumu olmadan çalıştırılabiliyor. Görüntü tabanlı, el becerisi gerektiren manipülasyon için yapılan bir kıyaslamada NVIDIA, Isaac Lab 3.0 Newton ile çalıştırıldığında eğitim veriminin PhysX kullanan Isaac Lab 2.3’e kıyasla 2,5 kata kadar çıktığını bildiriyor.

AlphaNIST, en küçük parçaları 4 milimetre olan görevlerin de yer aldığı 20 NIST Assembly Task Board görevine büyük ölçekli simülasyon pratiği uyguluyor. Tek bir ortak politika, yalnızca evet-hayır biçiminde bir başarı ödülüyle eğitiliyor. NVIDIA, bu politika için eğitim başarısının %98,2 olduğunu; görev başına ayrı politikaların ise %81,4 başarıya ulaştığını ve yaklaşık 39 kat daha az GPU süresi kullanıldığını bildiriyor. Bunlar simülasyon eğitimi sonuçlarıdır.

AlphaNIST’in temelinde, University of Washington ve NVIDIA tarafından geliştirilen Success-Guided Sampling bulunuyor. Bu yöntem, pratiği politikanın beceri sınırına yakın yapılandırmalara, özellikle de yaklaşık yarı yarıya çözdüğü durumlara yönlendiriyor. Yöntemin yazarları, bir milyondan fazla simülasyon ortamına etkili biçimde ölçeklenebildiğini ve RGB tabanlı montaj politikalarının gerçek UR5e donanımına sıfır atışta aktarılabildiğini bildiriyor.

Kıyaslamalar Endüstriyel Değişkenliği Ele Alıyor

Isaac Lab-Arena değerlendirme katmanını sağlıyor. Açık kaynaklı çerçeve, modüler bileşenlerden tekrarlanabilir değerlendirmeler oluşturuyor ve bunları GPU hızlandırmalı simülasyon ortamlarında çalıştırıyor. Hata analizi, hangi koşullar için yeniden eğitim gerektiğini gösteriyor. NVIDIA, 0.4 geliştirici önizlemesinin CoRL’de kullanıma sunulacağını belirtiyor.

NVIDIA ile RLWRLD tarafından geliştirilen DexBench v1.0, perakende, lojistik, montaj hattı ve otel yiyecek-içecek hizmeti ortamlarında 15 görev içeriyor. UC Berkeley ve NVIDIA’nın geliştirdiği VABAR ise aletleri sıralama ve asma, dişlileri birbirine geçirme, şırınga paketleme, kablo takma ve kablo güzergâhı belirleme görevlerini kapsıyor; bu görevler 33 becerilik bir kütüphaneyle destekleniyor. VABAR’ın proje sayfasında, mevcut iki zorluk seviyesinin doğrulama kümesini oluşturduğu ve daha zor bir test kümesinin henüz hazırlanmakta olduğu belirtiliyor.

Ajanlar Kurtarma Mekanizmaları ve Yeni Kısıtlamalar Ekliyor

UC Berkeley’in Graph-as-Policy çerçevesi, birden fazla ajan kullanarak robot becerilerinden oluşan, yorumlanabilir ve yönlü bir grafik oluşturuyor; bu grafiği simülasyonda prova ediyor ve başarısızlıkların ardından yapısını ve parametrelerini gözden geçiriyor. Proje, on prova yinelemesinin Make Popcorn sonucunu başlangıçtaki %33’ten simülasyonda %94’e, gerçek bir robotta ise %90’a, yani 20 denemenin 18’ine çıkardığını bildiriyor. Mevcut kıyaslamalar yarı statik manipülasyona odaklanıyor; deforme olabilen cisimler, dinamikler ve hareketli hedefler gelecekte ele alınacak çalışmalar arasında.

GR00T 2, becerileri sıralamak, ilerlemeyi izlemek ve parçalar düştüğünde ya da iş yarıda kaldığında kurtarma rutinlerini devreye sokmak için bir akıl yürütme ajanı kullanırken, model temasın yoğun olduğu manipülasyon işlerini yürütüyor. NVIDIA, düzeltici veriler ve bu ajanla, her biri rastgele dökülmüş parçalardan başlayarak, 100 denemenin 98’inde oyuncak uçak, 97’sinde oyuncak traktör ve 97’sinde Hot Wheels montajının başarıyla tamamlandığını bildiriyor. Yalnızca denetimli ince ayar yapıldığında ise bu sayılar sırasıyla 69, 51 ve 23 oluyor.

Teknik dokümanda ayrıca, eğitim sonrası uzun ufuklu kıyaslamalarda ortalama başarının yaklaşık %70 olduğu bildiriliyor. Görsel yönlendirmeli çöp ayrıştırma görevinde robot, bir bölümün medyan olarak %38’inde ajanı bekledi; bu da ajan denetiminin gecikme maliyetini ortaya koyuyor.

NVIDIA, Nexuni’nin çamaşır işlerinde kullanım için GR00T 2’yi test ettiğini, Foxconn’un sunucu üretimindeki otomasyonu için bu modeli uyguladığını ve Siemens’in endüstriyel kullanım alanlarını değerlendirdiğini söylüyor. Açıklanan çalışmalar test ve değerlendirme aşamasında; üretimde kullanıma geçileceği duyurulmadı.

Teknik raporun sonuç bölümünde güvenilirliğin; kapsam genişliği için ön eğitime, hassasiyet için düzeltici gösterimlere ve pekiştirmeli öğrenmeye, bellek, doğrulama ve toparlanma içinse ajanlara dayandığı belirtiliyor. Bu nedenle endüstriyel kullanıcılar için anlamlı ölçüt, GR00T 2’nin çevresindeki iş akışının bütünü ve her görevin gerektirdiği gözetim düzeyidir. Uygulamaya geçişteki temel zorluk, NVIDIA’nın kendi sonuçlarında belgelenen görev başına uyarlama süresini ve ajanların bekleme süresini azaltırken bildirilen güvenilirliği korumaktır.