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.
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
- Was es ist: Nvidia nennt GR00T 2 ein offenes „World Action Model“ auf Basis seiner Cosmos-Weltmodelle, das vorhersagt, wie eine Aktion verändert, was der Roboter sieht, bevor er sich bewegt. Foxconn, Siemens und Nexuni testen es laut The Next Web.
- Die Zahlen: Bei 50 für den Zielroboter neuen Aufgaben schaffte es 40 von 50 mindestens einmal ohne aufgabenspezifische Demonstrationen, was The Neuron als Abdeckung und nicht als 80 % Erfolgsquote betont. Die Erfolgsquote pro Versuch ohne Demonstration lag bei 40 %, mit einer Demonstration bei 71 % und mit fünf bei 95 %, nach etwa 30 Minuten Feinabstimmung auf einer einzelnen RTX 5090 und unter drei Minuten Robotordaten pro Aufgabe.
- Der Vorbehalt: Laut The Next Web vermerkt Nvidias Paper, die Aufgaben seien aus solchen gewählt worden, die das Modell schon gut lernte, und Pebblous liest die Auswahl als Aufgaben, die aus fünf Episoden mit 80 % oder mehr lernbar sind. Sehen Sie 95 % als Obergrenze bei günstigen Aufgaben, nicht als Praxisdurchschnitt.
- Die Daten: Die Mischung besteht aus 402.730 Stunden Egoperspektiv-Menschenvideo, 10.184 Stunden Handgreifer-Demonstrationen und 23.500 Stunden Roboter-Teleoperation, also rund 92 % Menschenvideo nach der Rechnung von Pebblous und FourWeekMBA. Nvidia veröffentlichte 100.000 Stunden als Human-1M-100K, laut Berichten unter CC BY 4.0. Menschenvideo hob den Fortschritt am echten Roboter von 50 % auf 70 % über 72 Aufgaben, laut Superpower Daily.
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
- Unabhängige Replikation: in den Quellen keine gesehen.
- Leistung bei nicht nach Lernbarkeit gewählten Aufgaben: in dem Gelesenen nicht berichtet.
- Langzeitzuverlässigkeit an einer Produktionslinie: nicht gezeigt.
- Nvidias Paper und Forschungsseite: nicht direkt gelesen.
Übersichtstabelle
| Punkt | Was Stand 7. November 2026 behauptet wird | Quelle |
|---|---|---|
| Mindestens einmal geschaffte Aufgaben | 40 von 50 ohne Aufgabendemonstrationen | The Neuron |
| Mit einer Demonstration | 71 % durchschnittlicher Erfolg | The Next Web |
| Mit fünf Demonstrationen | 95 % durchschnittlicher Erfolg, 30 Min. Feinabstimmung auf einer RTX 5090 | Interesting Engineering |
| Trainingsmischung | 402.730 h Menschenvideo, 10.184 h Greifer, 23.500 h Teleoperation | Pebblous |
| Wirkung des Menschenvideos | Fortschritt am echten Roboter von 50 % auf 70 % über 72 Aufgaben | Superpower 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
- The Neuron: NVIDIA GR00T 2: Human Video, Robot Learning and Caveats (geprüft am 2026-11-08)
- Interesting Engineering: NVIDIA's GR00T 2 lets robots learn tasks from humans, not machines (geprüft am 2026-11-08)
- Pebblous: GR00T 2 Training Data: Only 5.4% Comes From Robots (geprüft am 2026-11-08)
- The Next Web: Nvidia's GR00T 2 teaches robots delicate skills from human video (geprüft am 2026-11-08)
- Superpower Daily: Nvidia introduces GR00T 2, a robot AI trained on human video (geprüft am 2026-11-08)
Einen Fehler in diesem Artikel entdeckt? Melden Sie ihn · Unsere Korrekturrichtlinie