NVIDIA GR00T 2 উন্মোচন করেছে, একটি রোবট ফাউন্ডেশন মডেল যা মানুষের ভিডিও দেখে নিপুণ দক্ষতা শেখে

NVIDIA তার পরবর্তী প্রজন্মের রোবট ফাউন্ডেশন মডেল, GR00T 2, অস্টিন, টেক্সাসে কনফারেন্স অন রোবট লার্নিং (CoRL) এ 9 নভেম্বর উন্মোচন করেছে, এটি একটি সাধারণ ধারণার চারপাশে নির্মিত: রোবট যা মানুষকে দেখে শেখে। মডেলটি তার প্রধান প্রশিক্ষণ উপাদান হিসাবে প্রথম-ব্যক্তির মানব ভিডিও নেয়, দক্ষ ম্যানিপুলেশন শেখে এবং বিভিন্ন আকারের রোবটগুলিতে দক্ষতা স্থানান্তর করে। NVIDIA এছাড়াও GR00T 2 Turbo, একটি সুবিন্যস্ত রূপ, এবং Isaac Lab 3.0, এর রোবট প্রশিক্ষণ কাঠামো প্রবর্তন করেছে।

দৃশ্য এবং অ্যাকশন একসাথে ভবিষ্যদ্বাণী করা

GR00T 2 হল যাকে NVIDIA একটি "ওয়ার্ল্ড অ্যাকশন মডেল" বলে, তার বিশ্ব মডেলের কসমস পরিবারের উপর নির্মিত। একটি একক 2-বিলিয়ন-প্যারামিটার ডিফিউশন ট্রান্সফরমার যৌথভাবে ভবিষ্যদ্বাণী করে যে একটি দৃশ্য কীভাবে পরিবর্তিত হবে এবং রোবটের কোন পদক্ষেপ নেওয়া উচিত, সাম্প্রতিক ভিডিও, একটি টাস্ক নির্দেশনা এবং রোবটের বর্তমান অবস্থা থেকে। NVIDIA বলে যে নকশাটি মডেলটিকে কেবল গতির গতিপথ অনুকরণ করার পরিবর্তে কীভাবে কাজ করতে হবে তা সিদ্ধান্ত নেওয়ার আগে একটি টাস্কের পদার্থবিদ্যা বুঝতে দেয়।

400,000 ঘন্টা মানব ভিডিওতে প্রশিক্ষিত; পাঁচটি প্রদর্শনের পর 95% সাফল্য

NVIDIA দ্বারা প্রকাশিত প্রশিক্ষণের মিশ্রণের মধ্যে রয়েছে 402,730 ঘন্টা প্রথম-ব্যক্তি মানব ভিডিও, 10,184 ঘন্টা হ্যান্ডহেল্ড-গ্রিপার প্রদর্শন এবং 23,500 ঘন্টা রোবট টেলিঅপারেশন; ক্রিয়েটিভ কমন্স CC BY 4.0 লাইসেন্সের অধীনে হিউম্যান-1M-100K ডেটাসেট হিসাবে 100,000 ঘন্টা মানব ভিডিও প্রকাশ্যে প্রকাশ করা হয়েছে। NVIDIA-এর "এক্স-অ্যাডাপ্ট" ক্রস-এম্বডিমেন্ট স্থানান্তর একটি রোবট বা একজন মানুষের কাছ থেকে অন্য একটি রোবটে শেখা দক্ষতাগুলিকে নিয়ে যায়, যার মধ্যে গ্রিপার অস্ত্র, দক্ষ হাত এবং Unitree G1 হিউম্যানয়েড রয়েছে৷

50টি নিপুণ ম্যানিপুলেশন টাস্কে (Dexter-50, দুটি 22-ডিগ্রি-অফ-ফ্রিডম শার্পা হাত সহ একটি বাইম্যানুয়াল রোবটে), GR00T 2 টার্গেট রোবটে কোনও প্রদর্শন ছাড়াই গড়ে 40% সাফল্য পেয়েছে — 50টি কাজের মধ্যে 40টি অন্তত একবার সম্পূর্ণ করা হয়েছে — প্রতি টাস্ক 71% এবং 71% প্রদর্শন সহ এছাড়াও একটি একক RTX 5090 গ্রাফিক্স কার্ডে 30-মিনিটের ফাইন-টিউন।

95% চিত্র ছাড়ের প্রয়োজন; মডেল কোড ডিসেম্বরে আসে

95% একটি ক্ষেত্র-নির্ভরযোগ্যতার চিত্র নয়: NVIDIA-এর শ্বেতপত্র প্রকাশ করে যে 50টি পরীক্ষার কাজ বেছে নেওয়া হয়েছিল যেগুলির মধ্যে মডেলটি পাঁচটি প্রদর্শনের সাথে শেখে (অন্তত 80% সাফল্য), তাই সংখ্যাটি একটি নির্বাচন শর্ত বহন করে; সমস্ত ফলাফল NVIDIA এর নিজস্ব মূল্যায়ন, কোন স্বাধীন প্রতিলিপি প্রকাশ করা হয়নি। NVIDIA - Foxconn, Siemens এবং Nexuni - দ্বারা নাম দেওয়া অংশীদাররা পরীক্ষা বা মূল্যায়ন পর্যায়ে রয়েছে৷

"ওপেন" লেবেলটিও আংশিক: 100,000-ঘন্টা ডেটাসেট প্রকৃতপক্ষে খোলা, কিন্তু মডেলের কোড ডিসেম্বর পর্যন্ত নেই, এবং NVIDIA মডেলের ওজনের জন্য কোন প্রকাশের তারিখ বা লাইসেন্স ঘোষণা করেনি; আইজ্যাক ল্যাব 3.0 সাধারণত উপলব্ধ। সূত্র: NVIDIA ব্লগ, NVIDIA গবেষণা পাতা, দ্য রোবট রিপোর্ট, 9 নভেম্বর 2026; নিউরন, alfw.ai, 10 নভেম্বর 2026।