Пять показов — и робот справляется в 95% случаев: NVIDIA показала GR00T 2, ролик посмотрели почти 700 тыс. раз
Обычно робота учат каждой задаче отдельно: часами водят его «руки» по пульту, и всё это заново для каждой новой модели железа. NVIDIA решила, что проще дать роботу посмотреть, как работают люди. Её новая модель GR00T 2 учится на видео от первого лица, а потом переносит навык с одного робота на другого. Пост NVIDIA в X с роликом, где гуманоид сам протирает пол на кухне, посмотрели почти 700 тыс. раз и сохранили больше 500. Разобрался, что там правда впечатляет.
Что показали
- Учится на людях. В обучении 402 730 часов видео, снятого людьми за работой с камерой на голове, плюс 10 тыс. часов записей с ручным захватом и 23,5 тыс. часов управления роботами по пульту (страница проекта).
- Сначала представляет, потом делает. Модель одновременно «дорисовывает» короткое видео того, как изменится сцена, и план движений. Так она учит физику мира, а не просто заучивает жесты.
- Пять показов вместо недель. По данным NVIDIA, без всякого дообучения модель хотя бы раз справилась с 40 задачами из 50. После одного показа на задачу средний успех 71%, после пяти уже 95%. Это меньше трёх минут записей и около получаса дообучения на одной RTX 5090.
- Навык переезжает между телами. Подготовку фильтровальной бумаги робот освоил на 65%, видев её только в исполнении людьми. Облегчённая версия Turbo крутится прямо на борту гуманоида Unitree G1.
Foxconn уже пробует модель на сборке серверов, Siemens на заводских задачах. Объявлений о запуске в серийное производство пока нет.
Что настораживает
- Цифры от самой NVIDIA. Независимых проверок пока нет, а в отчёте компания признаёт, что задачи для теста отбирали из тех, которые модель уже неплохо осваивает.
- «Открытая» пока на словах. Код и веса обещают в декабре. Уже сейчас выложены 100 тыс. часов видео с людьми, их можно брать даже для коммерции.
Кстати, китайские открытые модели уже живут внутри роботов: у предыдущей открытой версии, GR00T N1.7, основа для «зрения и языка» указана как Cosmos-Reason2 / Qwen3-VL (GitHub NVIDIA).
Итог
Раньше каждую задачу роботу ставили долго и отдельно, теперь NVIDIA говорит о пяти показов и получаса на одной видеокарте. Если цифры подтвердятся, домашний помощник, который смотрит, как вы моете посуду, и повторяет, стал заметно ближе.
А какую домашнюю работу вы бы первой отдали роботу?
Но у умных роботов есть и тёмная сторона: хватило размыть им камеру, чтобы они взялись за нож. Как это было — в Дзене.