W skrócie
- Model GR00T 2 przewiduje przyszłe klatki wideo i akcje robota w jednym systemie.
- NVIDIA udostępnia 100 000 godzin danych wideo oraz framework Isaac Lab 3.0 jako open source.
- System DexUMI wykorzystuje zaawansowane sensory dotykowe firmy Tashan Technology.
- Model osiąga 95% skuteczności w nowych zadaniach po zaledwie pięciu demonstracjach.
- Firmy Foxconn i Siemens rozpoczęły testy przemysłowe nowej technologii.
GR00T 2: Robot, który marzy o działaniu
Podczas konferencji Conference on Robot Learning (CoRL) 2026 w Austin, zespół badawczy NVIDIA GEAR pod kierownictwem Jima Fana zaprezentował GR00T 2. Jest to model typu world action model (WAM), który stanowi fundament dla nowej generacji inteligentnych maszyn. W przeciwieństwie do tradycyjnych modeli sterowania, GR00T 2 nie tylko oblicza ruchy silników, ale jednocześnie generuje wizualną prognozę tego, jak świat zmieni się po wykonaniu danej czynności.
Jim Fan określił ten proces mianem „śnienia” robota o skutkach jego działań. Technologia ta bazuje na architekturze NVIDIA Cosmos i wykorzystuje mechanizm Diffusion Transformer do przetwarzania obrazu i instrukcji językowych. Pozwala to robotom na lepsze rozumienie interakcji fizycznych, co jest kluczowe w zadaniach wymagających precyzyjnej manipulacji przedmiotami, takich jak montaż podzespołów elektronicznych czy obsługa kabli.
Model GR00T 2 został przeszkolony na ogromnym zbiorze danych, obejmującym 100 000 godzin nagrań wideo z perspektywy pierwszej osoby (egocentrycznych). Dzięki temu maszyny mogą uczyć się nowych umiejętności poprzez obserwację ludzi, co znacznie skraca czas programowania. NVIDIA udostępniła również wariant GR00T 2 Turbo, zoptymalizowany pod kątem lokalnej pracy na komputerach pokładowych Jetson Thor, co umożliwia reakcję modelu w czasie zaledwie 124 milisekund.
Ekosystem open source: Od kodu po sprzęt
Najważniejszym punktem ogłoszenia NVIDIA jest decyzja o progresywnym udostępnianiu technologii w modelu open source. Strategia ta ma na celu przyspieszenie rozwoju robotyki poprzez obniżenie barier wejścia dla mniejszych firm i ośrodków badawczych. Pakiet obejmuje nie tylko wagi modeli i kody źródłowe, ale również zaawansowane środowiska symulacyjne oraz projekty fizycznych urządzeń do zbierania danych.
Kluczowym elementem tego ekosystemu jest Isaac Lab 3.0, zaktualizowany framework do uczenia robotów w symulacji. Nowa wersja integruje się z otwartym silnikiem fizycznym Newton, który pozwala na realistyczne modelowanie obiektów odkształcalnych, takich jak tkaniny czy przewody. Według danych NVIDIA, Isaac Lab 3.0 oferuje do 2,5 raza wyższą wydajność obliczeniową w testach manipulacji zręcznościowej w porównaniu do poprzednich wersji.
NVIDIA udostępnia również Video to Data – workflow pozwalający na automatyczną konwersję nagrań wideo z ludźmi na gotowe demonstracje dla robotów w symulacji. Wraz z modelem EgoHand do rekonstrukcji ruchu dłoni w 3D, tworzy to kompletny łańcuch narzędziowy dla inżynierów AI. Firma deklaruje, że otwarcie tych zasobów jest niezbędne, aby robotyka mogła osiągnąć swój „moment ChatGPT”.
DexUMI i zmysł dotyku od Tashan Technology
Jednym z najbardziej innowacyjnych projektów zaprezentowanych na CoRL 2026 jest DexUMI. Jest to urządzenie typu wearable, które pozwala człowiekowi na bezpośrednie sterowanie robotyczną dłonią i jednoczesne zbieranie danych o wysokiej precyzji. Projekt DexUMI został udostępniony jako open-source hardware, co oznacza, że każde laboratorium może samodzielnie zbudować taki interfejs.
Zaawansowane możliwości DexUMI wynikają z zastosowania sensorów dotykowych pekińskiej firmy Tashan Technology. Jak podaje SouthwardTech, Tashan jest jedynym partnerem dostarczającym czujniki dotykowe do opuszków palców i dłoni w tym projekcie. Sensory te wykrywają nie tylko siłę nacisku, ale także temperaturę, teksturę materiału oraz bliskość obiektu jeszcze przed fizycznym kontaktem (tzw. proximity sensing).
Zastosowanie tactile sensing w DexUMI rozwiązuje jeden z największych problemów robotyki: brak danych o tym, jak mocno należy chwycić dany przedmiot. Podczas gdy kamery rejestrują ruch, czujniki Tashan dostarczają informacji o tarciu i poślizgu. Dzięki temu GR00T 2 może uczyć się zadań takich jak obieranie banana, zakręcanie słoików czy wkładanie wtyczek, zachowując delikatność porównywalną z ludzkim dotykiem.
Efektywność w liczbach: 95 procent sukcesu
Skuteczność modelu GR00T 2 została poddana rygorystycznym testom na 50 nowych zadaniach, których robot wcześniej nie widział. W trybie zero-shot, czyli bez żadnych dodatkowych instrukcji, model osiągnął średnio 40% skuteczności. Wynik ten radykalnie wzrasta po podaniu zaledwie kilku przykładów wykonanych przez człowieka.
Przy jednej demonstracji sukces wzrósł do 71%, a przy pięciu krótkich pokazach – trwających łącznie mniej niż trzy minuty – model osiągnął 95% skuteczności. Co istotne dla wdrożeń komercyjnych, proces douczania (fine-tuning) modelu do konkretnego zadania trwa około 30 minut na pojedynczej karcie graficznej klasy RTX 5090. To ogromny postęp w porównaniu do wielodniowych cykli szkoleniowych stosowanych dotychczas.
NVIDIA podkreśla, że GR00T 2 potrafi przenosić nabyte umiejętności między różnymi ciałami robotów (cross-embodiment). Oznacza to, że wiedza zebrana przez jeden typ robota może zostać wykorzystana przez inny model, o innej liczbie stawów czy chwytaków, bez konieczności ponownego zbierania danych od zera. Potwierdzają to wyniki w benchmarkach takich jak RoboCasa365 i RoboDojo, gdzie GR00T 2 zajmuje miejsca w pierwszej trójce.
Zastosowania przemysłowe i pierwsi testerzy
Technologia NVIDIA nie pozostaje jedynie w sferze akademickiej. Giganci tacy jak Foxconn i Siemens już rozpoczęli testy pilotażowe GR00T 2 w swoich fabrykach. Foxconn wykorzystuje model do optymalizacji linii montażowych serwerów AI, gdzie wymagana jest niezwykła precyzja przy operowaniu drobnymi elementami elektronicznymi.
Siemens ocenia możliwości modelu w szerszych scenariuszach przemysłowych, od logistyki po zaawansowaną produkcję maszynową. Z kolei firma Nexuni testuje GR00T 2 w domenie usługowej, próbując zautomatyzować proces sortowania i składania prania. Kolejnym przykładem jest MicroAGI, które przy użyciu ramienia robotycznego YAM i modelu po-trenowanego metodą wzmocnienia (reinforcement learning), z powodzeniem demonstruje automatyczną wymianę kabli Ethernet.
Mimo entuzjastycznych wyników, niezależni analitycy zwracają uwagę na pewne rozbieżności. Jak zauważa serwis AI Weekly, w niektórych niezależnych testach (np. RoboDojo) skuteczność w świecie rzeczywistym bywa niższa niż deklarowane przez firmę 95%. Pełna weryfikacja tych danych będzie możliwa w grudniu 2026 roku, kiedy to NVIDIA planuje publiczne udostępnienie pierwszych paczek kodu i wag modelu.
Co to oznacza dla przyszłości rynku?
Ruch NVIDII w stronę open source wywiera ogromną presję na konkurencję, w tym na firmę Anthropic, która tego samego dnia zaprezentowała model Fable 5.2. Walka o prymat w dziedzinie embodied AI (sztucznej inteligencji osadzonej w ciele) przenosi się z poziomu czystego oprogramowania na integrację z fizycznymi sensorami i robotami.
Dla producentów robotów pojawienie się standardowego modelu bazowego typu GR00T 2 oznacza zmianę modelu biznesowego. Zamiast budować własne, kosztowne systemy AI od podstaw, firmy będą mogły skupić się na optymalizacji mechaniki i wykorzystaniu gotowych bibliotek NVIDII. Może to doprowadzić do szybkiego spadku cen zaawansowanych robotów usługowych i przemysłowych w najbliższych latach.
Ważnym aspektem pozostaje bezpieczeństwo i determinizm działań. NVIDIA Isaac OS, działający w oparciu o platformę Holoscan, ma zapewniać czas rzeczywisty i bezpieczną współpracę maszyn z ludźmi. Kolejne miesiące pokażą, czy społeczność open source podejmie wyzwanie i jak szybko projekty takie jak DexUMI trafią do powszechnego użytku w laboratoriach na całym świecie.
Co to znaczy dla Polski
Dla polskiego sektora robotyki i automatyki, plany open source NVIDII to szansa na dostęp do światowej klasy narzędzi bez ogromnych opłat licencyjnych. Polskie firmy produkujące chwytaki czy systemy wizyjne mogą integrować swoje rozwiązania z Isaac Lab 3.0, co ułatwi im eksport na rynki globalne. Dla konsumenta w Polsce oznacza to przybliżenie wizji robotów domowych nowej generacji, które będą w stanie wykonywać złożone prace manualne, a nie tylko odkurzać podłogę.
Słowniczek
- Open Source Hardware
- Projekty urządzeń fizycznych, których dokumentacja techniczna jest publicznie dostępna i może być bezpłatnie wykorzystywana oraz modyfikowana.
- Tactile Sensing
- Technologia czujników dotykowych pozwalająca maszynom odbierać bodźce mechaniczne, podobnie jak ludzka skóra.
- Fine-tuning
- Proces dostosowywania ogólnego modelu sztucznej inteligencji do bardzo konkretnego zadania przy użyciu niewielkiej ilości danych.
Najczęstsze pytania
Co to jest world action model?
To typ modelu AI, który jednocześnie przewiduje akcje robota oraz to, jak te akcje wpłyną na wygląd otoczenia (generuje przyszłe klatki wideo).
Czy roboty NVIDIA GR00T 2 można już kupić?
Nie, GR00T 2 to model programowy (mózg robota), a nie konkretna maszyna. Jest on testowany przez partnerów przemysłowych w ich własnych konstrukcjach.
Co daje technologia dotykowa od Tashan Technology?
Pozwala robotom czuć siłę nacisku, teksturę i temperaturę, co umożliwia im operowanie delikatnymi przedmiotami bez ich uszkodzenia.
Źródła
Artykuł opracowany na podstawie materiałów firm i mediów z kraju wydarzenia. Fakty sprawdzone w źródłach; zapowiedzi i przewidywania oznaczono w tekście.
- 42how.com
- nvidia.com
- biggo.com
- github.io
- beingbeyond.com
- seeedstudio.com
