Modelos
Nvidia GR00T 2 alcanza un 95 % de éxito medio en 50 tareas de robot tras cinco demostraciones cada una y 30 minutos de ajuste; cifras de Nvidia, en tareas elegidas por ser aprendibles, y el vídeo humano es la mayor parte del entrenamiento
Nvidia dice que GR00T 2 logra un 95 % de éxito medio en 50 tareas tras cinco demos. Tareas elegidas por ser aprendibles; cifras de Nvidia.
Nvidia presentó GR00T 2 el lunes 9 de noviembre en la Conference on Robot Learning de Austin, un modelo de robot abierto que aprende en parte de vídeo humano en primera persona. El titular es un 95 % de éxito medio tras cinco demostraciones por tarea. Es real pero estrecho: es una medición de Nvidia, sobre 50 tareas elegidas porque el modelo puede aprenderlas, y las demostraciones son de la tarea con el robot objetivo, no solo una persona en vídeo.
Lo esencial
- Qué es: Nvidia llama a GR00T 2 un «world action model» abierto, construido sobre sus modelos de mundo Cosmos, que predice cómo una acción cambiará lo que el robot ve antes de moverse. Foxconn, Siemens y Nexuni lo estarían probando, según The Next Web.
- Las cifras: en 50 tareas inéditas para el robot objetivo, completó 40 de 50 al menos una vez sin demostraciones, algo que The Neuron subraya como cobertura, no como un 80 % de éxito. El éxito por ensayo sin demostraciones fue del 40 %, del 71 % con una demostración y del 95 % con cinco, tras unos 30 minutos de ajuste en una sola RTX 5090 y menos de tres minutos de datos de robot por tarea.
- La salvedad: según The Next Web, el artículo de Nvidia señala que las tareas se eligieron entre las que el modelo ya aprendía bien, y Pebblous lo lee como tareas aprendibles con un 80 % o más en cinco episodios. Toma el 95 % como techo en tareas favorables, no como media de campo.
- Los datos: la mezcla es de 402.730 horas de vídeo humano en primera persona, 10.184 horas de demostraciones con pinza manual y 23.500 horas de teleoperación de robots, es decir, cerca de un 92 % de vídeo humano según la aritmética de Pebblous y FourWeekMBA. Nvidia publicó 100.000 horas como Human-1M-100K, con licencia CC BY 4.0 según los informes. Añadir vídeo humano subió el progreso en robot real del 50 % al 70 % en 72 tareas, según Superpower Daily.
Aprender de vídeo es solo parte de la receta
El vídeo humano aporta la mayoría de las horas, pero la teleoperación y los datos de pinza siguen en la mezcla, y cada tarea nueva aún necesita unas pocas demostraciones en el robot objetivo. Es mucho menos que una larga campaña de entrenamiento, pero no es aprender solo mirando.
Qué cambiaría el panorama
Evaluaciones independientes en tareas que Nvidia no eligió, y fiabilidad a largo plazo. Completar una tarea una vez está lejos de funcionar todo el día en una línea de fábrica. Es una lectura de cifras informadas, no una evaluación de hardware.
Lo que no está establecido
- Replicación independiente: ninguna vista en las fuentes.
- Rendimiento en tareas no elegidas por su aprendibilidad: no informado en lo que leímos.
- Fiabilidad a largo plazo en una línea de producción: no demostrada.
- El artículo y la página de investigación de Nvidia: no leídos directamente.
Tabla resumen
| Punto | Lo que se afirma a 7 de noviembre de 2026 | Fuente |
|---|---|---|
| Tareas completadas al menos una vez | 40 de 50 sin demostraciones de la tarea | The Neuron |
| Con una demostración | 71 % de éxito medio | The Next Web |
| Con cinco demostraciones | 95 % de éxito medio, 30 min de ajuste en una RTX 5090 | Interesting Engineering |
| Mezcla de entrenamiento | 402.730 h de vídeo humano, 10.184 h de pinza, 23.500 h de teleoperación | Pebblous |
| Efecto del vídeo humano | Progreso en robot real del 50 % al 70 % en 72 tareas | Superpower Daily |
Preguntas frecuentes
¿GR00T 2 aprende solo viendo personas?
No. El vídeo humano es la mayoría de las horas de preentrenamiento, pero también usa datos de pinza y teleoperación y necesita unas pocas demostraciones por tarea.
¿Es el 95 % su éxito en cualquier tarea?
No. Es una media sobre 50 tareas que Nvidia eligió como aprendibles, medida por Nvidia.
¿Puedo usar los vídeos?
Nvidia publicó 100.000 horas como Human-1M-100K, con licencia CC BY 4.0 según los informes.
Método y límites
Fuentes comprobadas el 10 de noviembre de 2026: The Neuron, Interesting Engineering, Pebblous, The Next Web y Superpower Daily, leídas como extractos de búsqueda. El artículo y la página de investigación de Nvidia no se leyeron directamente. Las cifras de éxito son de Nvidia, sin validación independiente.
Fuentes
- The Neuron: NVIDIA GR00T 2: Human Video, Robot Learning and Caveats (verificado el 2026-11-08)
- Interesting Engineering: NVIDIA's GR00T 2 lets robots learn tasks from humans, not machines (verificado el 2026-11-08)
- Pebblous: GR00T 2 Training Data: Only 5.4% Comes From Robots (verificado el 2026-11-08)
- The Next Web: Nvidia's GR00T 2 teaches robots delicate skills from human video (verificado el 2026-11-08)
- Superpower Daily: Nvidia introduces GR00T 2, a robot AI trained on human video (verificado el 2026-11-08)
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones