GR00T 2 y robots que aprenden: 95 % con cinco ejemplos

GR00T 2 llegó con una promesa medida en tareas: robots que aprenden una faena nueva mirando a personas y practicando muy poco. NVIDIA presentó GR00T 2 este lunes 9 de noviembre en la conferencia CoRL, en Austin, Texas, como un modelo abierto construido sobre su familia Cosmos.

La idea central es simple de contar y difícil de lograr: que una máquina mire cómo trabaja una mano humana y repita el gesto con su propio cuerpo, sea un brazo con pinza, una mano de cinco dedos o un robot humanoide.

🔥 Tendencia

ChatGPT Images 2.6 y GIF animados: crear sin salir del chat

Los números que entregó la empresa explican el ruido. En sus pruebas con 50 tareas, GR00T 2 completó 40 al menos una vez sin recibir demostraciones específicas de cada tarea.

Con una sola demostración por tarea, el acierto promedio subió a 71 %. Con cinco demostraciones, el promedio llegó a 95 %. Son cifras de la propia NVIDIA, presentadas en CoRL, y todavía esperan réplica de equipos ajenos a la compañía.

El modelo se entrenó con datos de robots y de personas, entre ellos 100,000 horas de video humano en primera persona que NVIDIA libera como material abierto. De ese material aprende movimientos finos: alinear engranajes, conectar cables, armar piezas pequeñas.

La empresa lo ubica entre los tres mejores modelos en las pruebas RoboCasa365, RoboLab, RoboDojo y MolmoSpaces, con varias victorias en esas tablas. Transferir una destreza de un cuerpo a otro, sin entrenar desde cero, es el punto que la compañía empuja con más fuerza.

Isaac Lab 3.0: practicar mil veces sin romper nada

GR00T 2 no llegó solo. Isaac Lab 3.0, el entorno abierto de NVIDIA para entrenar robots en simulación, permite montar escenarios de práctica con agentes, cambiar entre los motores físicos PhysX y Newton y aplicar una nueva librería de entrenamiento por refuerzo a modelos como GR00T.

Newton modela objetos que se deforman, como cables y telas, y manos robóticas con muchas articulaciones. En una prueba de manipulación con visión, Isaac Lab 3.0 con Newton rindió hasta 2.5 veces más que la versión 2.3 con PhysX, de acuerdo con los datos de la empresa.

Las primeras pruebas fuera del laboratorio ya tienen nombres. Nexuni prueba el modelo en el manejo robótico de ropa de lavandería. Foxconn lo aplica a la automatización de fábricas que producen servidores. Siemens lo evalúa en usos industriales variados.

MicroAGI lo entrenó para cambiar cables Ethernet con un brazo YAM, con entornos de simulación creados en Isaac Lab 3.0. Nada de eso es todavía producción masiva: son pilotos de empresas que quieren saber si el robot aprende la tarea antes de pagar por una línea completa.

Una puerta abierta para quien estudia robótica en RD

Para República Dominicana el dato práctico está en lo abierto del paquete: el conjunto de 100,000 horas de video humano es público y la simulación corre antes de tocar un robot real.

En la Universidad de Texas en Austin, estudiantes de computación y robótica entrenan destrezas en Isaac Sim e Isaac Lab antes de tener el equipo físico en las manos. Ese mismo camino abarata el aprendizaje local, en un país donde la UASD sumará robótica y ciberseguridad a sus carreras y cada laboratorio cuesta años de presupuesto.

El juicio honesto queda en dos ideas cortas. El avance es real: aprender con cinco ejemplos cambia la economía de entrenar un robot. La prueba dura viene ahora, en fábricas y almacenes que no controla NVIDIA.

En CoRL también se mostraron DexBench, con 15 tareas en comercio, logística, manufactura y hotelería, y VABAR, de UC Berkeley con NVIDIA, con seis tareas industriales y niveles de dificultad medibles. Si GR00T 2 sostiene ese 95 % fuera de casa, la conversación deja de ser de conferencia y pasa a ser de empleo, de costos y de quién programa las máquinas.

Fuente: NVIDIA