Nvidia memperkenalkan GR00T 2, model AI generasi baru untuk robot, dalam Conference on Robot Learning (CoRL) 2026 di Austin, Texas, pada Senin, 9 November 2026. Model terbuka ini dirancang supaya robot bisa mempelajari keterampilan tangan yang rumit — merakit komponen kecil, menyambung kabel, sampai menyusun benda — dari video manusia, bukan hanya dari data robot.
Ringkasan
- GR00T 2 adalah model world action terbuka berbasis NVIDIA Cosmos, dilatih dengan data robot dan manusia termasuk 100.000 jam video sudut pandang orang pertama.
- Model ini menyelesaikan 40 dari 50 tugas evaluasi tanpa demonstrasi khusus, dengan tingkat keberhasilan rata-rata 71 persen berbekal satu demo dan 95 persen dengan lima demo.
- Nvidia juga merilis Isaac Lab 3.0 dan dua tolok ukur industri baru, DexBench dan VABAR, untuk menguji ketangkasan robot.
GR00T 2 dibangun di atas NVIDIA Cosmos dan dilatih dari gabungan data robot serta data manusia, termasuk 100.000 jam video egosentris sumber terbuka milik Nvidia. Model ini bisa mempelajari keterampilan dari demonstrasi manusia lalu memindahkannya ke tubuh robot yang berbeda tanpa demonstrasi robot.
BACA JUGA
Dalam pengujian internal Nvidia, GR00T 2 menyelesaikan 40 dari 50 tugas setidaknya sekali tanpa demonstrasi khusus untuk tugas itu. Dengan satu demonstrasi per tugas, tingkat keberhasilan rata-ratanya 71 persen; dengan lima demonstrasi, naik menjadi 95 persen. Model ini juga masuk tiga besar di semua kategori model vision-language-action dan world action pada tolok ukur RoboCasa365, RoboLab, RoboDojo, dan MolmoSpaces.
Sejumlah perusahaan sudah menjajal model ini. Foxconn menerapkannya pada otomatisasi pabrik untuk manufaktur server, Siemens mengevaluasi pemakaian industri, Nexuni mengujinya untuk penanganan cucian robotik, dan MicroAGI memakainya — setelah dilatih ulang dengan reinforcement learning — untuk menukar kabel Ethernet dengan lengan robot YAM.
Seiring GR00T 2, Nvidia merilis Isaac Lab 3.0, kerangka kerja pembelajaran robot sumber terbuka yang memungkinkan peneliti menyiapkan lingkungan latihan dengan cepat dan beralih antara pemecah fisika PhysX dan Newton. Dalam tolok ukur manipulasi terampil berbasis penglihatan, Isaac Lab 3.0 dengan Newton mencapai throughput pelatihan hingga 2,5 kali lipat dibanding Isaac Lab 2.3 dengan PhysX.
Dua tolok ukur baru juga diperkenalkan. DexBench, yang dikembangkan RLWRLD bersama Nvidia, menguji ketangkasan robot lewat 15 tugas di empat latar — ritel, logistik, manufaktur, dan perhotelan. VABAR, dari UC Berkeley dan Nvidia, mengevaluasi robot pada enam tugas industri dengan variasi dan tingkat kesulitan yang terstandar.
Hasil yang dikutip Nvidia berasal dari pengujian terkontrol di laboratorium; kinerja di lapangan dengan kondisi yang berubah-ubah masih harus dibuktikan. Bagi Indonesia, teknologi seperti ini relevan dengan pabrik dan gudang yang mulai mengotomasi pekerjaan manual, meski penerapannya di sini masih pada tahap awal.




