- GR00T 2 kann menschliche Demonstrationen auf Maschinen übertragen, die diese Aufgaben noch nie durchgeführt haben.
- Die Erfolgsquote des Modells kann nach Feinabstimmung 95 % erreichen.
- Die Cross-Adaptation-Technologie ermöglicht es Robotern, Fähigkeiten aus Demonstrationen verschiedener Geräte zu erlernen.
- GR00T 2 Turbo ist eine kleinere Version, die speziell für humanoide Roboter entwickelt wurde und schneller arbeitet.
NVIDIA hat die Einführung des neuen Robotermodells GR00T 2 angekündigt, das in der Lage ist, Fähigkeiten, die durch menschliche Demonstrationen vermittelt werden, auf Maschinen zu übertragen, die diese Aufgaben zuvor nicht ausgeführt haben. Als globales Aktionsmodell kann GR00T 2 gleichzeitig zukünftige Videos und Roboterbewegungen vorhersagen, was es ihm ermöglicht, den Verlauf physikalischer Interaktionen zu lernen und die erforderlichen Bewegungen zur Durchführung von Aufgaben zu berechnen. Das Modell ist so konzipiert, dass es für verschiedene Robotertypen geeignet ist, darunter Parallelgreifer, geschickte fünf Finger Hände und humanoide Roboter. NVIDIA gibt an, dass GR00T 2 aus menschlichen Videos, Handheld-Greifern und Demonstrationen, die von anderen Robotern gesammelt wurden, lernen kann.
Bei Tests mit 50 Aufgaben, die nicht auf dem Zielroboter demonstriert wurden, erreichte GR00T 2 eine durchschnittliche Erfolgsquote von 40 %, ohne dass eine spezifische Schulung für die Aufgaben erforderlich war. Nach fünf Demonstrationen pro Aufgabe und 30 Minuten Feinabstimmung stieg die Erfolgsquote auf 95 %. Die für jede Aufgabe erforderlichen Roboterdaten betrugen weniger als drei Minuten.
Anwendung der Cross-Adaptation-Technologie
NVIDIA bezeichnet diesen Ansatz als Cross-Adaptation (X-Adapt), der es Robotern ermöglicht, Fähigkeiten aus Demonstrationen unterschiedlicher Formen oder Geräte zu übertragen. In einem Experiment demonstrierten Forscher einem Roboter, wie man mit Filterpapier Labortrichter entleert und mit einer Spritzflasche befeuchtet. Diese Demonstration wurde ausschließlich von Menschen durchgeführt, ohne dass der Zielroboter ferngesteuert wurde, und das Ergebnis war, dass der fünf Finger Roboter in 65 % der Versuche die Aufgabe erfolgreich abschloss. In einem weiteren Test demonstrierte ein Handheld Universal Manipulator (UMI) Greifer, wie man ein Spielzeugkipper zusammenbaut, und ein anderer Roboterarm namens YAM schloss die Montage in 60 % der Versuche ab, obwohl er nie eine spezifische Demonstration für diese Aufgabe erhalten hatte.
Die Forscher verwendeten auch ein tragbares Gerät, das die Bewegungen menschlicher Finger nachahmt, um Robotern beizubringen, Aufgaben mit beiden Händen auszuführen, darunter die Zubereitung von Bananenjoghurt, das Schöpfen von Hafer und das Anzünden von Streichhölzern, um Licht zu erzeugen. Das Training des Modells umfasste 402.730 Stunden an First-Person-Menschenvideos, 10.184 Stunden an Handheld-Greiferdemonstrationen und 23.500 Stunden an Roboterfernbedienungsdaten. NVIDIA gibt an, dass 100.000 Stunden Daten aus ihrem Human-1M-Datensatz öffentlich verfügbar sind.
Merkmale von GR00T 2 Turbo
GR00T 2 kann auch mit Inferenzmodellen zusammenarbeiten, um komplexe Aufgaben in Schritte zu zerlegen, den Fortschritt zu überwachen und Roboter über eine API zu steuern. In Tests mit dem Zusammenbau von drei Spielzeugen wurde diese Methode in mindestens 97 von 100 Versuchen für jedes Spielzeug erfolgreich angewendet. Das System kann aus Fehlern und Unterbrechungen im Prozess lernen und sich davon erholen. Darüber hinaus ermöglicht die visuelle Leitfunktion dem Inferenzmodell, die Positionen zu kennzeichnen, an denen der Roboter Objekte greifen und ablegen sollte, was die Erfolgsquote bei kurzen Aufgaben, die das Bewegen von Objekten mit YAM beinhalteten, von 40 % auf 92 % erhöhte.
NVIDIA hat auch GR00T 2 Turbo entwickelt, eine kleinere Version, die speziell für humanoide Roboter konzipiert ist und darauf abzielt, eine schnellere Ausführungsgeschwindigkeit zu erreichen. Das Modell läuft direkt auf dem Unitree G1 und verwendet den integrierten Jetson Thor Prozessor, wobei jede Vorhersage 124 Millisekunden in Anspruch nimmt. Über einen Ganzkörpercontroller konnte der humanoide Roboter in allen 48 Versuchen erfolgreich Popcorn bereitstellen und in 93 % der Versuche verschiedene Objekte vom Tisch räumen.
NVIDIA stellte GR00T 2 am 9. November auf der Robot Learning Conference in Austin, Texas, vor. Das Unternehmen erklärte, dass das Modell darauf abzielt, Robotern zu helfen, über eng gefasste Bewegungen hinauszugehen und sich in Richtung anpassungsfähigerer Operationen zu entwickeln, die sowohl in industriellen als auch in alltäglichen Umgebungen anwendbar sind.
Element Spezifikationen Trainingsdaten 402.730 Stunden menschliche Videos, 10.184 Stunden Handheld-Greiferdemonstrationen, 23.500 Stunden Roboterfernbedienungsdaten Vorhersagezeit 124 Millisekunden Erfolgsquote (nach Feinabstimmung) 95 %
Wie GR00T 2 die Art und Weise verändert, wie Roboter lernen
Das GR00T 2 Modell von NVIDIA stellt einen bedeutenden Fortschritt im Bereich des Robotermaschinenlernens dar, insbesondere im Hinblick auf die Fähigkeitenübertragung. Durch menschliche Demonstrationen sind Roboter in der Lage, neue Aufgaben schnell zu erlernen, was nicht nur die Effizienz steigert, sondern auch das Anwendungsspektrum der Roboter erweitert. Die Einführung der Cross-Adaptation-Technologie ermöglicht es Robotern unterschiedlicher Formen, Lernerfahrungen zu teilen, was für die zukünftige Zusammenarbeit und die Entwicklung von Autonomie bei Robotern von großer Bedeutung ist. Darüber hinaus zeigt die Einführung von GR00T 2 Turbo, dass NVIDIA Wert auf die Leistung humanoider Roboter legt, mit großem Potenzial für zukünftige Anwendungen in der Industrie und im Alltag.

