Modelle

Nvidia GR00T 2 erreicht 95 % durchschnittlichen Erfolg bei 50 Roboteraufgaben nach je fünf Demonstrationen und 30 Minuten Feinabstimmung; Nvidias eigene Zahlen, auf Aufgaben, die als lernbar gewählt wurden, und Menschenvideo ist der Großteil des Trainings

Nvidia sagt, GR00T 2 erreiche 95 % Erfolg bei 50 Aufgaben nach fünf Demos. Die Aufgaben wurden als lernbar gewählt; Zahlen von Nvidia.

Von ·

Nvidia stellte GR00T 2 am Montag, dem 9. November, auf der Conference on Robot Learning in Austin vor, ein offenes Robotermodell, das teils aus Egoperspektiv-Videos von Menschen lernt. Die Schlagzeile sind 95 % durchschnittlicher Erfolg nach fünf Demonstrationen pro Aufgabe. Die Zahl ist echt, aber eng: Sie ist Nvidias eigene Messung, auf 50 Aufgaben, die gewählt wurden, weil das Modell sie lernen kann, und die Demonstrationen zeigen die Aufgabe am Zielroboter, nicht nur eine Person im Video.

Das Wesentliche

Lernen aus Video ist nur ein Teil des Rezepts

Menschenvideo liefert die meisten Stunden, aber Teleoperations- und Greiferdaten bleiben in der Mischung, und jede neue Aufgabe braucht weiter einige Demonstrationen am Zielroboter. Das ist viel weniger als eine lange Trainingskampagne, aber kein Lernen allein durch Zuschauen.

Was das Bild ändern würde

Unabhängige Tests mit Aufgaben, die Nvidia nicht gewählt hat, und Zuverlässigkeit über lange Läufe. Eine Aufgabe einmal zu schaffen ist weit entfernt vom Dauerbetrieb am Fließband. Dies ist eine Lesart berichteter Zahlen, keine Hardwarebewertung.

Was nicht belegt ist

Übersichtstabelle

Übersichtstabelle
PunktWas Stand 7. November 2026 behauptet wirdQuelle
Mindestens einmal geschaffte Aufgaben40 von 50 ohne AufgabendemonstrationenThe Neuron
Mit einer Demonstration71 % durchschnittlicher ErfolgThe Next Web
Mit fünf Demonstrationen95 % durchschnittlicher Erfolg, 30 Min. Feinabstimmung auf einer RTX 5090Interesting Engineering
Trainingsmischung402.730 h Menschenvideo, 10.184 h Greifer, 23.500 h TeleoperationPebblous
Wirkung des MenschenvideosFortschritt am echten Roboter von 50 % auf 70 % über 72 AufgabenSuperpower Daily

FAQ

Lernt GR00T 2 nur durch Zuschauen bei Menschen?

Nein. Menschenvideo macht die meisten Vortrainingsstunden aus, aber es nutzt auch Greifer- und Teleoperationsdaten und braucht einige Demonstrationen pro Aufgabe.

Sind 95 % der Erfolg bei jeder Aufgabe?

Nein. Es ist ein Durchschnitt über 50 von Nvidia als lernbar gewählte Aufgaben, von Nvidia gemessen.

Kann ich die Videodaten nutzen?

Nvidia veröffentlichte 100.000 Stunden als Human-1M-100K, laut Berichten unter CC BY 4.0.

Methode und Grenzen

Quellen geprüft am 10. November 2026: The Neuron, Interesting Engineering, Pebblous, The Next Web und Superpower Daily, gelesen als Suchauszüge. Nvidias Paper und Forschungsseite wurden nicht direkt gelesen. Erfolgszahlen stammen von Nvidia, nicht unabhängig validiert.

Quellen

Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie

OrigoTech-Logo

Neu: die App iPhone und iPad

OrigoTech ist jetzt eine App für iPhone und iPad

Lies die Artikel nativ, mit „Neu“-Markierungen für Ungelesenes, lokaler Suche und Offline-Lesen bereits geladener Artikel. Kostenlos, ohne Konto, ab iOS 17; zwischen den Artikeln erscheint Werbung.

Rekha-Symbol: ein in einem Strich gezeichnetes Haus

Vom selben Autor Eigenwerbung

Ein Eulerpfad, mit dem Finger gezeichnet

Rekha, das iPhone-Spiel des Autors von OrigoTech: Verbinden Sie alle Punkte in einem einzigen Strich, ohne dieselbe Verbindung zweimal zu ziehen, in 500 Zeichnungen, die alle lösbar sind.

Der OrigoTech-Newsletter

Ein wöchentlicher, mit Quellen belegter Überblick über die Neuigkeiten zu KI-Werkzeugen.

Weiterlesen