article

Nvidia apresenta GR00T 2, treinado com 402 mil horas

3 min de leitura

🎬 Assista esta matéria

A Nvidia apresentou na segunda-feira (9) o GR00T 2, modelo de fundação para robôs que a empresa classifica como “world action model” — um sistema que prevê, ao mesmo tempo, o vídeo do que vai acontecer e a ação que o robô deve executar. O anúncio foi feito durante a Conference on Robot Learning (CoRL), em Austin, no Texas.

A arquitetura é um único transformer de difusão que faz o denoising conjunto de vídeo futuro e ações, com cabeças pequenas específicas para cada robô gerando os comandos dos motores. A empresa diz que o modelo roda em garras paralelas, mãos com muitos graus de liberdade e humanoides. O GR00T 2 é construído sobre o Cosmos, a família de modelos de mundo da Nvidia.

Aprender vendo gente trabalhar

O dado mais chamativo está no treino. Segundo a página de pesquisa da Nvidia, o modelo viu 402.730 horas de vídeo egocêntrico de pessoas trabalhando, 10.184 horas de demonstrações com garra manual UMI em 2.897 tarefas e 23.500 horas de teleoperação de robôs reais, incluindo braços Franka e YAM, mãos Sharpa e Wuji e o humanoide Unitree G1.

O vídeo humano vem do conjunto Human-1M da própria empresa. Dele, 100 mil horas foram liberadas publicamente no Hugging Face como Human-1M-100K.

Os números de desempenho usam um conjunto de 50 tarefas que o modelo nunca viu no robô-alvo — apenas em vídeo humano ou em dados de outros robôs. Sem nenhuma demonstração, a taxa média de sucesso é de 40%, e o modelo acerta ao menos uma vez em 40 das 50 tarefas. Com uma única demonstração, sobe a 71%. Com cinco — o que a Nvidia calcula em menos de três minutos de dados do robô —, chega a 95%, com 37 das 50 tarefas acertadas em todas as tentativas. A adaptação é um ajuste fino LoRA de 30 minutos em uma só placa RTX 5090.

Há uma variante menor, o GR00T 2 Turbo, com um transformer conjunto de 2 bilhões de parâmetros e codificador de vídeo mais comprimido, feita para rodar embarcada. No Unitree G1, leva 124 milissegundos por predição no Jetson Thor e 38 milissegundos numa RTX 5090. A Nvidia não divulgou a contagem de parâmetros do GR00T 2 completo.

Simulação e quem já está testando

No mesmo anúncio, a empresa lançou o Isaac Lab 3.0, que permite alternar entre os solucionadores de física PhysX e Newton, inclui objetos deformáveis como cabos e tecidos e traz uma biblioteca de pós-treino por reforço aplicável ao GR00T. A Nvidia afirma que, num benchmark de manipulação com visão, o Isaac Lab 3.0 com Newton atingiu até 2,5 vezes a vazão de treino do Isaac Lab 2.3 com PhysX.

Entre quem já usa o GR00T 2, a Nvidia cita a Nexuni, testando manuseio de roupas em lavanderia; a Foxconn, aplicando o modelo à automação da fabricação de servidores; a Siemens, avaliando casos industriais; e a MicroAGI, que fez pós-treino por reforço para troca de cabos de rede num braço YAM.

A empresa descreve o GR00T 2 como modelo aberto, mas não informou a licença. A página de pesquisa traz apenas um aviso: “código disponível em dezembro”. Nenhum link de download dos pesos foi publicado até agora.

Fontes: Nvidia Blog · Nvidia Research GEAR · Isaac Lab 3.0

🎙️ Gostou? Receba só o que te interessa, todo dia

Escolha seus temas e receba um briefing diário em áudio e texto, de graça, no WhatsApp ou e-mail.

Montar meu briefing grátis