NVIDIA, CoRL'de robot simülasyonu ve GR00T 2'yi tanıttıNVIDIA unveils robot simulation and GR00T 2 at CoRL

ÖzetSummary

NVIDIA, CoRL 2026'da GR00T 2'yi tanıttı. 100.000 saatlik insan merkezli veriyle eğitilen bu açık dünya-aksiyon modeli, Isaac Lab 3.0 ve yeni fizik entegrasyonlarıyla birlikte sunuldu. NVIDIA, simülasyonu çevik robot manipülasyonu için birincil eğitim alanı olarak konumlandırıyor.NVIDIA unveiled GR00T 2 at CoRL 2026. This open-world action model, trained on 100,000 hours of human-centric data, was presented alongside Isaac Lab 3.0 and new physics integrations. NVIDIA is positioning simulation as the primary training ground for agile robot manipulation.

Neden ÖnemliWhy it matters

Robotik, üretim ve lojistikte ekonomik değeri aslında hareket kabiliyetinden çok ince manipülasyonda (kablo değiştirme, dişli hizalama, milimetre ölçeğinde montaj) yaratıyor. NVIDIA'nın temel modeli, açık simülasyon yığını ve geniş ortak listesini bir arada sunması, tam yığın bir çekim merkezi oluşturuyor. Bu durum, robotik araştırma topluluğunu yıllarca kendi ekosistemi etrafında kilitleyebilir.In robotics, manufacturing, and logistics, economic value is driven more by fine manipulation (cable swapping, gear alignment, millimeter-scale assembly) than by mere mobility. By offering a foundation model, an open simulation stack, and a broad partner list together, NVIDIA is creating a full-stack gravity well. This could lock the robotics research community into its ecosystem for years.

Öne ÇıkanlarHighlights

• GR00T 2, 50 görevde görev başına tek gösterimle %71 ortalama başarı elde etti. Gösterim sayısı beşe çıkınca bu oran %95'e yükseldi. Bu, az örnekli manipülasyon için dikkat çekici bir sonuç.GR00T 2 achieved an average success rate of 71% across 50 tasks with a single demonstration per task. This rate rose to 95% when the number of demonstrations increased to five, a notable result for few-shot manipulation.
• Newton fizik çözücüsüyle gelen Isaac Lab 3.0, çevik manipülasyon kıyaslama testinde önceki PhysX tabanlı sürüme göre eğitim verimliliğini 2,5 kata kadar artırdı.Isaac Lab 3.0, featuring the Newton physics solver, improved training efficiency by up to 2.5x compared to the previous PhysX-based version in agile manipulation benchmarks.
• AlphaNIST, tek bir birleşik politika ve yalnızca ikili bir başarı sinyali kullanarak NIST Montaj Görev Panosu'ndaki 20 görevin tamamında %98'in üzerinde eğitim başarısı elde etti.AlphaNIST achieved over 98% training success on all 20 tasks in the NIST Assembly Task Board using a single unified policy and only a binary success signal.

EleştiriCritical take

Bu bir NVIDIA kurumsal blogu, bağımsız bir haber değil. '50 görevin 40'ında en az bir kez başarı' başlığı, bilinçli olarak düşük bir baraj. 'İlk 3'e giren' kıyaslama iddiaları, sınırlı üçüncü taraf doğrulamasına sahip küçük bir lider tablosu setine dayanıyor. Ayrıca çoğu isimlendirilen ortak hâlâ 'değerlendirme' veya 'test' aşamasında, devreye alma noktasında değil. CoRL'deki bir demo ile fabrika zeminindeki gerçeklik arasındaki fark hâlâ çok büyük.This is a corporate NVIDIA blog post, not independent news. The headline claiming success 'at least once in 40 of 50 tasks' sets a deliberately low bar. Claims of 'top 3' benchmark performance rely on a small set of leaderboards with limited third-party verification. Furthermore, most named partners are still in the 'evaluation' or 'testing' phase, not yet at the deployment stage. The gap between a demo at CoRL and reality on the factory floor remains vast.