Actualidad

Inteligencia Artificial

Nvidia abre el software de GR00T 2 para robots en diciembre

GR00T 2 aprende tareas con cinco demostraciones humanas y las traslada a otro cuerpo robótico. Los pesos llegan en diciembre, todavía sin licencia.

Nvidia abre el software de GR00T 2 para robots en diciembre
Nvidia abre el software de GR00T 2 para robots en diciembre

Un robot que aprende a montar un PC mirando a una persona hacerlo, y que después repite la tarea con otro cuerpo y otras manos, deja de ser una promesa de folleto cuando alguien publica las horas de vídeo que ha usado y el porcentaje de acierto de cada prueba. Nvidia enseñó esa aritmética el 9 de noviembre de 2026 en la conferencia CoRL de Austin al presentar GR00T 2, su modelo de acción y mundo para robótica.

La semana ha cerrado con la promesa de que los pesos y la variante Turbo verán la luz en diciembre. Las cifras que acompañan al anuncio ordenan el debate: con cinco demostraciones humanas de una tarea nueva, el modelo alcanza un 95% de éxito medio, y sin ninguna demostración propia resuelve 40 de las 50 tareas que nunca había visto.

Esas cinco demostraciones suman menos de tres minutos de datos de robot, y el ajuste posterior se hace en unos 30 minutos en una sola tarjeta GeForce RTX 5090, la misma que cualquiera compra para jugar. El detalle que cambia el cálculo para un laboratorio es otro: las habilidades viajan entre robots distintos, y hasta ahora, enseñar una tarea exigía teleoperar cada máquina durante horas y repetir el proceso para cada modelo, de modo que el coste no estaba en el software sino en el tiempo de un operador humano. Si la habilidad se transfiere entre cuerpos, ese coste se paga una vez y se amortiza en cada robot que se suma al taller.

¿Qué aprende un robot mirando vídeos de personas?

GR00T 2 no es un modelo de lenguaje con brazos. Predice a la vez el vídeo de lo que ocurrirá en los segundos siguientes y los movimientos que producirán ese cambio, y ejecuta después esos movimientos. Nvidia llama a esa combinación modelo de acción y mundo, y la construyó sobre Cosmos, su plataforma de simulación.

El entrenamiento se apoya en tres montones de datos que la empresa detalla: 402.730 horas de vídeo grabado por personas con cámaras en la cabeza mientras trabajaban, 10.184 horas con pinzas manuales y 23.500 horas de robots manejados a distancia. Ese primer bloque explica el interés del sector.

No hace falta un robot para grabarse, solo a alguien dispuesto a llevar una cámara mientras hace su trabajo. La lista de tareas que Nvidia publicó como demostración incluye encender cerillas, montar camiones de juguete y preparar yogur con plátano, tres ejemplos que muestran variedad y no dificultad industrial.

El modelo cubre brazos con pinza paralela, manos diestras y humanoides, y la empresa lo sitúa en el programa Isaac GR00T junto a Isaac Lab 3.0, el entorno de simulación que publicó en octubre. La versión Turbo merece párrafo aparte porque es la que puede vivir dentro de la máquina.

Cada predicción de Turbo tarda 124 milisegundos en la computadora integrada Jetson Thor. Con ella, un humanoide sirvió palomitas de maíz en las 48 pruebas que hicieron y despejó una mesa en el 93% de los intentos, dos tareas cortas que esconden toda la dificultad del agarre.

Los límites que la propia Nvidia reconoce

El modelo no procesa datos directos de tacto, y eso se nota en tareas donde la fuerza importa más que la posición. Los investigadores admiten que a veces pasa por alto errores sutiles, como un tornillo que quedó a medio girar, y en una prueba de limpiar un líquido con una toalla bajo el pie acertó en menos de la mitad de los intentos.

La segunda advertencia viene de fuera y conviene tenerla a mano. El medio especializado TechRepublic señaló que las 50 tareas del experimento se eligieron entre aquellas que ya superaban el 80% de éxito tras cinco demostraciones, de modo que el 40% inicial no mide el rendimiento ante cualquier tarea nueva del mundo real.

El matiz de la selección previa no invalida el resultado, pero cambia su lectura. Un 40% sobre tareas filtradas por el propio equipo no es lo mismo que un 40% sobre tareas elegidas por un cliente.

El tercer límite es de ritmo. Para montajes largos, Nvidia combina GR00T 2 con un programa de lenguaje que divide el trabajo en pasos, y con esa ayuda los robots armaron juguetes en al menos 97 de cada 100 intentos. El precio de la precisión aparece en la clasificación de basura, donde el robot esperó de media más de siete segundos entre decisiones.

Ninguno de los tres puntos invalida el resultado, y los tres juntos explican por qué un vídeo de un humanoide sirviendo palomitas no es todavía un contrato industrial. Un robot que acierta el 93% de las veces deja un 7% de manos rotas o mesas a medio recoger, y esa cifra decide si una planta lo acepta junto a personas.

¿Qué puede probar un laboratorio antes de diciembre?

La parte descargable ya está disponible y es la que menos titulares se lleva. El conjunto de datos Human-1M-100K se publicó en Hugging Face con licencia CC BY 4.0, que sí permite uso comercial. Son 100.000 horas de vídeo de ese corpus mayor, disponibles sin pedir permiso a nadie.

Isaac Lab 3.0 está disponible en abierto desde el 20 de octubre, y en CoRL la empresa presentó además dos bancos de evaluación, DexBench y VABAR, para medir políticas propias antes de tocar un robot físico. Ese material permite trabajar hoy, aunque falte el modelo.

Lo que no se puede hacer es descargar GR00T 2. La página del proyecto lista el código como disponible en diciembre, sin fecha exacta, sin requisitos de hardware y sin licencia publicada. La ausencia no es un detalle administrativo, porque el texto de la licencia decide qué permite el anuncio.

Los pesos de la generación anterior, GR00T N1, llegaron con una licencia de Nvidia que restringe el uso comercial, y los modelos Flora se publicaron bajo una licencia de investigación no comercial pese a un lenguaje parecido al de este anuncio. Quien planifique un producto tendrá que esperar al texto y no al titular.

Mientras tanto, un grupo con datos propios puede entrenar sobre el vídeo humano publicado y comparar sus resultados con los bancos abiertos, que es exactamente el trabajo previo que hace útil la llegada del modelo en diciembre.

El contexto de la casa ayuda a leer el movimiento. Nvidia abrió Nemotron for Science esta misma semana con la misma lógica de regalar el software que hace necesarias sus tarjetas, y la robótica es donde esa estrategia tiene el retorno más claro.

La robótica que viene se jugará en el vídeo

El giro que propone GR00T 2 no está en el modelo sino en la fuente de datos. Durante una década, la robótica ha dependido de demostraciones hechas con el propio robot, un cuello de botella que obligaba a gastar hardware y horas de ingeniero antes de saber si una tarea era posible.

Sustituir buena parte de ese esfuerzo por vídeo grabado con una cámara cambia la unidad de medida del sector, que pasa de horas de robot a horas de grabación. Nvidia afirma que Foxconn aplica el modelo en la fabricación de servidores, que Siemens lo evalúa para usos industriales y que Nexuni prueba con él el manejo de ropa en lavanderías.

Son nombres que sitúan el anuncio fuera de la demostración, aunque ninguno de los casos publicados incluye resultados comparables. Sin esa cifra lo que hay es una capacidad y no un resultado, y la diferencia entre ambas cosas es la que separa un vídeo de una línea de producción.

La pregunta útil para el lector que investiga no es si el modelo es bueno, sino si sus datos están en condiciones de entrenarlo y si tiene un conjunto de casos para comprobarlo. Lo demás llega en diciembre, con una licencia que todavía no existe y que decidirá si el próximo salto de la robótica se construye en abierto o se alquila por token.

José Maldonado

Autor

José Maldonado

Activista y bloguero de tecnología, software libre y blockchain.

Lo último
Jensen Huang se ofrece a volver a Nvidia, que bate su récord trimestral de ingresos

Seguir leyendo

Una lectura semanal imprescindible sobre inteligencia artificial y blockchain.

Te explicamos cómo transforman la economía, qué nuevas puertas te abren y cómo te afectan.