KutatásHír
GR00T 2: egy bemutatásból 71%-os siker robotkézzel
🇬🇧 Read this article in English →
Az NVIDIA a CoRL konferencián bemutatta a GR00T 2-t, a Cosmosra épülő nyílt world action modellt. Feladatonként egy bemutatásból 50 feladaton átlagosan 71%-os sikert ér el, öt bemutatásból 95%-ot. Emberi videóból tanult készségeket is átvisz robotokra.
· 2 perc olvasás
Mit mutatott be az NVIDIA?
Az austini Conference on Robot Learningen (CoRL) az NVIDIA november 9-én bemutatta a GR00T 2-t. Ez egy world action model: a robot nemcsak lát és utasítást ért, hanem előre jelzi, hogyan változtatja meg a környezetet a mozdulata. A modell a Cosmos world modelre épül, robot- és emberi adaton tanították, köztük 100 ezer óra nyílt, egocentrikus emberi videón (NVIDIA).
Mit mutatnak a számok?
- Bemutatás nélkül: 50 tesztelt feladatból 40-et legalább egyszer teljesített.
- Egy bemutatással feladatonként: átlagosan 71%-os siker 50 feladaton.
- Öt bemutatással: 95%-os siker.
- A RoboCasa365, RoboLab, RoboDojo és MolmoSpaces ranglistákon a VLA és world action modellek közt a top 3-ban van.
A modell emberi bemutatásból tanul, a készséget pedig robotbemutatás nélkül viszi át különböző robottestekre. AI agentek API-n keresztül hívhatják: egymás után futtathatnak vele készségeket, hiba esetén pedig helyreállhatnak. Ezek az NVIDIA saját mérései.
Kik használják?
A Foxconn szervergyártási automatizálásra alkalmazza, a Siemens ipari felhasználásra értékeli, a Nexuni robotos ruhakezelésre teszteli. A MicroAGI RL-lel utótanított GR00T 2-vel Ethernet-kábelt cseréltet egy YAM robotkarral, a szimulációs környezetet Isaac Lab 3.0-ban és a Newton fizikai motorban építi fel (The Robot Report).
Mire figyelj?
Az NVIDIA nyíltnak nevezi a modellt, de a bejelentésben nincs modellméret, licenc, illetve letöltési link, így egyelőre nem világos, mikor és milyen feltételekkel lehet kipróbálni. A korábbi GR00T N1.x modellek nyílt súlyúak voltak Hugging Face-en.
A tanítási oldalt az Isaac Lab 3.0 adja, erről korábban írtunk (NVIDIA Isaac: referencia-humanoid és Isaac Lab 3.0). Az NVIDIA szerint az Isaac Lab 3.0 a Newtonnal egy vizuális ügyességi benchmarkon akár 2,5x nagyobb tanítási throughputot ad, mint az Isaac Lab 2.3 PhysX-szel. A finom kézi munka (kábel, fogaskerék, ruha) eddig a robotika egyik legnehezebb része volt. Ha a 71% egyetlen bemutatásból kívül is megáll, az a betanítási költséget jelentősen csökkenti.
MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink
Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk
