NVIDIA predstavila GR00T 2: roboti uče precizne pokrete u simulaciji, uz Isaac Lab 3.0
NVIDIA je 9. novembra na konferenciji CoRL predstavila istraživački model GR00T 2 i Isaac Lab 3.0 za obuku robota. U kompanijinim testovima model je uspevao da prenese veštine između različitih robotskih sistema, a novi alati omogućavaju uvežbavanje rada sa kablovima, sitnim delovima i savitljivim predmetima. To su istraživački rezultati, a ne najava univerzalnog robota spremnog za prodaju.
Od hodanja robota do rada prstima
NVIDIA je na konferenciji Conference on Robot Learning, koja se održava u Ostinu, 9. novembra 2026. predstavila nekoliko novih tehnologija za obuku robota. U centru pažnje nalazi se promena sa relativno grubih pokreta, poput hodanja ili kretanja po prostoru, na precizne radnje: postavljanje zupčanika, spajanje kablova i rukovanje malim delovima. Takav posao traži osećaj za položaj, pravilno odmeravanje sile i sposobnost da robot uoči grešku pre nego što ošteti predmet.
Kompanija predstavila istraživački model GR00T 2, unapređeni Isaac Lab 3.0 i nove okvire za proveru uspešnosti. Zajednička ideja je da roboti kroz veliki broj pokušaja u digitalnom svetu nauče ono što bi bilo sporo, skupo ili rizično u stvarnoj proizvodnji. Ipak, demonstracija u simulatoru nije isto što i pouzdan rad u fabrici; prelazak između ta dva okruženja zahteva dodatno testiranje.
GR00T 2 uči iz ljudskih demonstracija
GR00T 2 je, prema kompaniji, otvoreni world action model zasnovan na NVIDIA Cosmos tehnologiji. Njegov zadatak je da iz snimaka, opisa i dosadašnjih poteza proceni kako robot treba da nastavi fizičku radnju. U procesu obuke korišćeno je i 100.000 sati javno dostupnih egocentričnih snimaka ljudskog ponašanja. To je važan korak jer roboti ne moraju uvek da gledaju samo druge robote: određene veštine mogu da uče i posmatranjem ljudi, a zatim da ih prilagođavaju sopstvenim mehaničkim mogućnostima.
NVIDIA navodi da je model u jednoj evaluaciji bez posebnih demonstracija uspeo bar jednom da završi 40 od 50 zadataka. Kada je za svaki zadatak imao jednu demonstraciju, prosečna uspešnost iznosila je 71 odsto, a sa pet demonstracija 95 odsto. Ti procenti važe za konkretnu testnu postavku i nisu dokaz da će svaka robotska ruka jednako pouzdano raditi bilo koji posao u kući ili industriji. Foxconn, Siemens i drugi partneri istražuju ili isprobavaju mogućnosti modela u sopstvenim okruženjima.
Zašto su važni Isaac Lab i Newton
Drugi veliki deo novosti je Isaac Lab 3.0, otvoreni okvir za obuku robota. On omogućava pripremu digitalnih radnih prostora, povezivanje modela sa simuliranim senzorima i proveru postupaka u velikom broju paralelnih okruženja. Povezivanje sa fizičkim simulatorom Newton pomaže posebno kada robot mora da savija kabl, uhvati tkaninu ili dodirne osetljiv predmet. Takvi predmeti ne ponašaju se kao krute kocke, pa ranije pojednostavljene simulacije često nisu bile dovoljne.
U jednom testu vizuelno upravljanih preciznih pokreta NVIDIA navodi do 2,5 puta veću propusnost obuke kada se Isaac Lab 3.0 koristi sa Newton-om, u poređenju sa Isaac Lab 2.3 sa PhysX. To je rezultat za određeni test i računarsku konfiguraciju, a ne univerzalno ubrzanje svakog robota. Poseban AlphaNIST primer pokazuje jednu politiku upravljanja za 20 preciznih zadataka sklapanja, sa više od 98 odsto uspeha tokom treninga i znatno manjom potrošnjom GPU vremena u opisanom poređenju.
Provere u promenljivim uslovima
NVIDIA je najavila i DexBench i VABAR, okvire koji ispituju kako roboti rade kada se menjaju predmeti, položaji ili fizički uslovi. DexBench sadrži zadatke iz maloprodaje, logistike, proizvodnje i ugostiteljstva, dok VABAR ocenjuje izvođenje industrijskih zadataka sa jasno definisanim varijacijama i merilima uspeha. Time se pomera pažnja sa jednog upečatljivog snimka na ponovljiv rezultat: robotska ruka mora da zna šta da uradi i kada se situacija razlikuje od one na kojoj je trenirana.
Za krajnje korisnike ove novosti još ne znače da stiže humanoidni robot koji će sutra bez problema popravljati uređaje, čistiti kuću ili raditi u fabrici. One znače da istraživači dobijaju alate za brže učenje i preciznije merenje sposobnosti mašina. Tek kada se veštine potvrde i u stvarnom prostoru, uz odgovarajuće bezbednosne mere, može se govoriti o ozbiljnijoj praktičnoj primeni. Uz članak je javno dostupni NVIDIA logotip iz Wikimedia Commons; nije prikazan konkretni robot.
Izvori
Podeli vest
Pošaljite ovu vest prijateljima. Link prikazuje naslov i fotografiju članka.
Komentari
Prikaz odobrenih komentara je dostupan. Slanje novih komentara biće uključeno kada se završe zaštita od zloupotreba i urednička moderacija.
Srodne vesti
NVIDIA planira ulaganja u korejske AI startape: čipovi, roboti sa pet prstiju i pametni dokumentitehnologija
Samsung, Kia i LG šire primenu NVIDIA AI: brže simulacije čipova, autonomna vožnja i humanoidni robotitehnologija
NVIDIA pokazala kako AI menja mobilne mreže: roboti do 52% brži, bazne stanice štede strujutehnologija
Google Cloud i NVIDIA šire saradnju: platforma Vera Rubin stiže u AI infrastrukturutehnologija
Učitavanje komentara...