Nvidias Robotermodell GR00T 2 schafft nach fünf Vorführungen 95 Prozent der Aufgaben

Nvidias neues Robotermodell GR00T 2 soll manuelle Tätigkeiten anhand weniger Vorführungen lernen – statt dafür eine lange Trainingsphase zu benötigen. Zeigt man ihm eine Aufgabe einmal, bewältigt es sie in Nvidias eigenen Tests meist erfolgreich. Nach einigen weiteren Vorführungen scheitert es nur noch selten. Das ist wichtig, denn um einem Roboterarm eine neue Tätigkeit beizubringen, musste man ihn bislang oft wieder und wieder per Fernsteuerung durch die einzelnen Bewegungen führen. Genau das macht den Einsatz von Robotern langsam und teuer.

Nvidia bezeichnet GR00T 2 als Open-World-Aktionsmodell. Dabei handelt es sich um eine Form von KI, die eine Umgebung erfasst, vorhersagt, wie Bewegungen sie verändern werden, und anschließend handelt. Das Modell läuft auf Nvidias Cosmos-Weltmodellen und wurde mit einer Mischung aus Roboteraufnahmen und Videos von Menschen trainiert. Dazu gehört eine Sammlung von Videos aus der Ich-Perspektive, die Menschen bei Tätigkeiten mit ihren Händen zeigen und die Nvidia als Open Source veröffentlicht hat.

Die Zahlen stammen aus Nvidias Bewertung von 50 Manipulationsaufgaben. Ohne eine auf die jeweilige Aufgabe zugeschnittene Vorführung bewältigte GR00T 2 mindestens einmal 40 der 50 Aufgaben. Bei einer Vorführung pro Aufgabe lag die durchschnittliche Erfolgsquote bei 71 Prozent, bei fünf Vorführungen stieg sie auf 95 Prozent. Nvidia zufolge kann das Modell einem Menschen bei einer Tätigkeit zusehen und die erlernte Fähigkeit auf einen anderen Robotertyp übertragen – ganz ohne Aufnahmen von Robotern. Über eine API können auch KI-Agenten das Modell aufrufen, um Fähigkeiten miteinander zu verknüpfen und sich von einem fehlgeschlagenen Schritt zu erholen.

Einige dieser Fähigkeiten werden bereits von ersten Anwendern erprobt. Foxconn aus Taiwan setzt GR00T 2 für die Fabrikautomatisierung bei der Serverfertigung ein, Siemens prüft das Modell für verschiedene industrielle Aufgaben und Nexuni testet es beim Umgang mit Wäsche. MicroAGI hat es mit weiterem Reinforcement Learning trainiert, damit ein Roboterarm Ethernet-Kabel austauschen kann.

Zusammen mit dem Modell veröffentlichte Nvidia Isaac Lab 3.0, ein Open-Source-Framework, mit dem Forschende Roboter zunächst in einer Simulation trainieren, bevor sie echte Hardware einem Risiko aussetzen. Die engere Anbindung an Newton, eine offene Physik-Engine, ermöglicht die Simulation biegsamer Materialien wie Kabel und Stoff sowie von Roboterhänden mit vielen Gelenken. Bei einem Benchmark für die Manipulation mit einer Hand maß Nvidia einen bis zu 2,5-mal höheren Trainingsdurchsatz als mit der vorherigen Version Isaac Lab 2.3. In der Praxis bedeutet das mehr Trainingsdurchläufe in derselben Zeit und mit derselben Rechenleistung.

Einige Einschränkungen sollte man im Blick behalten. Die Erfolgsquoten beruhen auf Nvidias eigenen Messungen, und eine Aufgabe „mindestens einmal“ zu bewältigen, ist etwas ganz anderes, als sie den ganzen Tag über an einer Fertigungsstraße auszuführen. Auch Nvidias Angaben zu Top-3-Platzierungen in Robotik-Bestenlisten wie RoboCasa365, RoboLab, RoboDojo und MolmoSpaces beziehen sich größtenteils auf Simulationen. Nvidia beschreibt das Modell als offen, doch zum Zeitpunkt der Veröffentlichung waren seine Gewichte weder auf den GitHub- noch auf den Hugging-Face-Seiten des Unternehmens zu finden. Die neueste herunterladbare Version ist dort weiterhin GR00T N1.7. Auch für Verbraucher gibt es nichts zu kaufen: Das Werkzeug richtet sich an Roboterhersteller und Forschungslabore, nicht an Käufer eines Haushaltsroboters.

Für alle außerhalb von Forschungslaboren wird sich die Veränderung nur allmählich bemerkbar machen – bei Lager-, Fabrik- und Servicerobotern, die weniger Anleitung benötigen, bevor sie eingesetzt werden können. Da die Werkzeuge als Open Source veröffentlicht und online verfügbar sind, können Labore und Start-ups überall damit arbeiten: von Nvidias Partnern in Korea, etwa RLWRLD, bis hin zu Universitäten in Europa und Lateinamerika.

Nvidia stellte GR00T 2 und Isaac Lab 3.0 am 9. November 2026 auf der Conference on Robot Learning in Austin, Texas, vor. Gleichzeitig erschien eine Entwicklervorschau von Isaac Lab-Arena 0.4, einem Werkzeug zum Testen von Roboterstrategien in Tausenden Varianten. Ebenfalls vorgestellt wurden zwei neue offene Benchmarks, DexBench und VABAR, mit denen sich messen lässt, wie gut Roboter industrielle Aufgaben bewältigen. Nvidia hat noch keinen Termin genannt, zu dem die GR00T-2-Gewichte auf öffentlichen Download-Seiten verfügbar sein sollen.

Schlagwörter: nvidia, Robotik, Humanoide Roboter, Foxconn, GR00T 2, Isaac Lab