Nvidias Modell GR00T 2 beobachtet Menschen im Video und stellt sich dann selbst als Roboter vor

Was passiert ist

In einem neuen Forschungsbericht zu GR00T 2 stellt Nvidia ein neues KI-Foundation-Modell vor, das diesen Prozess verkürzen soll. Nvidias neues KI-Modell GR00T 2 soll Robotern neue Aufgaben beibringen, ohne aufwendige Teleoperation (eine Person steuert eine Maschine von einem anderen Ort aus). NVIDIA ist ein Halbleiterunternehmen mit Sitz in Santa Clara, und zu seinen Produkten und Dienstleistungen gehört auch Software.

Stattdessen überträgt das System die Handbewegungen von Menschen aus Videos auf Roboterarme; trainiert wurde es mit rund 400.000 Stunden Videomaterial. Die Erfolgsquoten schwanken jedoch stark und liegen je nach Aufgabe zwischen 10 und 80 Prozent.

Nvidias neues KI-Modell GR00T 2 soll diesen Aufwand verringern, indem es menschliche Bewegungen aus Videos auf Roboterarme überträgt.

Um einen Roboter für neue Aufgaben zu trainieren, verbringen Ingenieure üblicherweise Stunden damit, die Maschinen aus der Ferne zu steuern. Diese sogenannte Teleoperation ist teuer, langsam und benötigt für jedes Robotermodell eigene Daten.

Anders als frühere Ansätze, einschließlich des Vorgängers GR00T 1, übersetzt GR00T 2 Kamerabilder und Sprachbefehle nicht direkt in Motorbewegungen. Nvidia erklärt, die Software arbeite als sogenанntes World-Action-Model.

Es berechnet gleichzeitig die nächste Bewegung und ein kurzes Video der unmittelbaren Zukunft. Das System sagt voraus, wie sich das Kamerabild verändern sollte, wenn ein Roboterarm etwa einen Gegenstand aufnimmt.