NVIDIA ਨੇ GR00T 2 ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ, ਇੱਕ ਰੋਬੋਟ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ ਜੋ ਮਨੁੱਖੀ ਵੀਡੀਓ ਦੇਖ ਕੇ ਨਿਪੁੰਨ ਹੁਨਰ ਸਿੱਖਦਾ ਹੈ

NVIDIA ਨੇ 9 ਨਵੰਬਰ ਨੂੰ ਔਸਟਿਨ, ਟੈਕਸਾਸ ਵਿੱਚ ਕਾਨਫਰੰਸ ਆਨ ਰੋਬੋਟ ਲਰਨਿੰਗ (CoRL) ਵਿੱਚ ਆਪਣੀ ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਰੋਬੋਟ ਫਾਊਂਡੇਸ਼ਨ ਮਾਡਲ, GR00T 2 ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ, ਇੱਕ ਸਧਾਰਨ ਵਿਚਾਰ ਦੇ ਦੁਆਲੇ ਬਣਾਇਆ ਗਿਆ: ਰੋਬੋਟ ਜੋ ਮਨੁੱਖਾਂ ਨੂੰ ਦੇਖ ਕੇ ਸਿੱਖਦੇ ਹਨ। ਮਾਡਲ ਪਹਿਲੀ-ਵਿਅਕਤੀ ਦੇ ਮਨੁੱਖੀ ਵੀਡੀਓ ਨੂੰ ਆਪਣੀ ਮੁੱਖ ਸਿਖਲਾਈ ਸਮੱਗਰੀ ਵਜੋਂ ਲੈਂਦਾ ਹੈ, ਨਿਪੁੰਨ ਹੇਰਾਫੇਰੀ ਸਿੱਖਦਾ ਹੈ, ਅਤੇ ਹੁਨਰ ਨੂੰ ਵੱਖ-ਵੱਖ ਆਕਾਰਾਂ ਦੇ ਰੋਬੋਟਾਂ ਨੂੰ ਟ੍ਰਾਂਸਫਰ ਕਰਦਾ ਹੈ। NVIDIA ਨੇ GR00T 2 ਟਰਬੋ, ਇੱਕ ਸੁਚਾਰੂ ਰੂਪ, ਅਤੇ Isaac Lab 3.0, ਇਸਦਾ ਰੋਬੋਟ ਸਿਖਲਾਈ ਫਰੇਮਵਰਕ ਵੀ ਪੇਸ਼ ਕੀਤਾ।

ਸੀਨ ਅਤੇ ਐਕਸ਼ਨ ਦਾ ਇਕੱਠੇ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣਾ

GR00T 2 ਉਹ ਹੈ ਜਿਸ ਨੂੰ NVIDIA ਇੱਕ "ਵਿਸ਼ਵ ਐਕਸ਼ਨ ਮਾਡਲ" ਕਹਿੰਦਾ ਹੈ, ਇਸਦੇ ਵਿਸ਼ਵ ਮਾਡਲਾਂ ਦੇ Cosmos ਪਰਿਵਾਰ 'ਤੇ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਇੱਕ ਸਿੰਗਲ 2-ਬਿਲੀਅਨ-ਪੈਰਾਮੀਟਰ ਫੈਲਾਅ ਟ੍ਰਾਂਸਫਾਰਮਰ ਸਾਂਝੇ ਤੌਰ 'ਤੇ ਭਵਿੱਖਬਾਣੀ ਕਰਦਾ ਹੈ ਕਿ ਇੱਕ ਦ੍ਰਿਸ਼ ਕਿਵੇਂ ਬਦਲੇਗਾ ਅਤੇ ਰੋਬੋਟ ਨੂੰ ਕਿਹੜੀਆਂ ਕਾਰਵਾਈਆਂ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਹਾਲੀਆ ਵੀਡੀਓ, ਇੱਕ ਕਾਰਜ ਨਿਰਦੇਸ਼ ਅਤੇ ਰੋਬੋਟ ਦੀ ਮੌਜੂਦਾ ਸਥਿਤੀ ਤੋਂ। NVIDIA ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ ਡਿਜ਼ਾਈਨ ਮਾਡਲ ਨੂੰ ਕਿਸੇ ਕੰਮ ਦੇ ਭੌਤਿਕ ਵਿਗਿਆਨ ਨੂੰ ਸਮਝਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਕੰਮ ਕਰਨਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਮੋਸ਼ਨ ਟ੍ਰੈਜੈਕਟਰੀਆਂ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਬਜਾਏ।

ਮਨੁੱਖੀ ਵੀਡੀਓ ਦੇ 400,000 ਘੰਟਿਆਂ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ; ਪੰਜ ਪ੍ਰਦਰਸ਼ਨਾਂ ਤੋਂ ਬਾਅਦ 95% ਸਫਲਤਾ

NVIDIA ਦੁਆਰਾ ਜ਼ਾਹਰ ਕੀਤੇ ਗਏ ਸਿਖਲਾਈ ਮਿਸ਼ਰਣ ਵਿੱਚ 402,730 ਘੰਟੇ ਦੇ ਪਹਿਲੇ ਵਿਅਕਤੀ ਦੇ ਮਨੁੱਖੀ ਵੀਡੀਓ, 10,184 ਘੰਟੇ ਹੈਂਡਹੈਲਡ-ਗ੍ਰਿੱਪਰ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ 23,500 ਘੰਟੇ ਰੋਬੋਟ ਟੈਲੀਓਪਰੇਸ਼ਨ ਸ਼ਾਮਲ ਹਨ; ਕ੍ਰਿਏਟਿਵ ਕਾਮਨਜ਼ CC BY 4.0 ਲਾਇਸੈਂਸ ਦੇ ਤਹਿਤ ਮਨੁੱਖੀ ਵੀਡੀਓ ਦੇ 100,000 ਘੰਟਿਆਂ ਨੂੰ ਹਿਊਮਨ-1M-100K ਡੇਟਾਸੈਟ ਵਜੋਂ ਖੁੱਲ੍ਹੇ ਤੌਰ 'ਤੇ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ। NVIDIA ਦਾ "ਐਕਸ-ਅਡੈਪਟ" ਕਰਾਸ-ਅਡੈਪਟ ਟ੍ਰਾਂਸਫਰ ਇੱਕ ਰੋਬੋਟ ਜਾਂ ਮਨੁੱਖ ਤੋਂ ਇੱਕ ਵੱਖਰੇ ਰੋਬੋਟ ਵਿੱਚ ਸਿੱਖੇ ਹੁਨਰਾਂ ਨੂੰ ਲੈ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਗ੍ਰਿੱਪਰ ਹਥਿਆਰ, ਨਿਪੁੰਨ ਹੱਥ ਅਤੇ ਯੂਨਿਟਰੀ ਜੀ1 ਹਿਊਮਨਾਈਡ ਸ਼ਾਮਲ ਹਨ।

50 ਨਿਪੁੰਨ ਹੇਰਾਫੇਰੀ ਕਾਰਜਾਂ 'ਤੇ (ਡੈਕਸਟਰ-50, ਦੋ 22-ਡਿਗਰੀ-ਆਫ-ਫ੍ਰੀਡਮ ਸ਼ਾਰਪਾ ਹੱਥਾਂ ਵਾਲੇ ਦੋ-ਮੈਨੂਅਲ ਰੋਬੋਟ 'ਤੇ), GR00T 2 ਨੇ ਟਾਰਗੇਟ ਰੋਬੋਟ 'ਤੇ ਕੋਈ ਪ੍ਰਦਰਸ਼ਨਾਂ ਦੇ ਬਿਨਾਂ ਔਸਤਨ 40% ਸਫਲਤਾ ਪ੍ਰਾਪਤ ਕੀਤੀ — ਘੱਟੋ-ਘੱਟ ਇੱਕ ਵਾਰ 50 ਵਿੱਚੋਂ 40 ਕਾਰਜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨਾ — ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਾਲ 71% ਪ੍ਰਤੀ ਟਾਸਕ ਅਤੇ 71% ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਾਲ ਵੱਧ ਰਿਹਾ ਹੈ। ਨਾਲ ਹੀ ਇੱਕ ਸਿੰਗਲ RTX 5090 ਗ੍ਰਾਫਿਕਸ ਕਾਰਡ 'ਤੇ 30-ਮਿੰਟ ਦੀ ਫਾਈਨ-ਟਿਊਨ।

95% ਅੰਕੜੇ ਨੂੰ ਛੋਟ ਦੀ ਲੋੜ ਹੈ; ਮਾਡਲ ਕੋਡ ਦਸੰਬਰ ਵਿੱਚ ਆਉਂਦਾ ਹੈ

95% ਇੱਕ ਫੀਲਡ-ਭਰੋਸੇਯੋਗਤਾ ਦਾ ਅੰਕੜਾ ਨਹੀਂ ਹੈ: NVIDIA ਦੇ ਵਾਈਟ ਪੇਪਰ ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ ਕਿ 50 ਟੈਸਟ ਟਾਸਕਾਂ ਵਿੱਚੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ ਜੋ ਮਾਡਲ ਪੰਜ ਪ੍ਰਦਰਸ਼ਨਾਂ (ਘੱਟੋ-ਘੱਟ 80% ਸਫਲਤਾ) ਨਾਲ ਸਿੱਖਦਾ ਹੈ, ਇਸਲਈ ਨੰਬਰ ਇੱਕ ਚੋਣ ਸ਼ਰਤ ਰੱਖਦਾ ਹੈ; ਸਾਰੇ ਨਤੀਜੇ NVIDIA ਦੇ ਆਪਣੇ ਮੁਲਾਂਕਣ ਹਨ, ਬਿਨਾਂ ਕਿਸੇ ਸੁਤੰਤਰ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਦੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤੇ ਗਏ ਹਨ। NVIDIA ਦੁਆਰਾ ਨਾਮ ਦਿੱਤੇ ਗਏ ਭਾਈਵਾਲ — Foxconn, Siemens ਅਤੇ Nexuni — ਟੈਸਟਿੰਗ ਜਾਂ ਮੁਲਾਂਕਣ ਪੜਾਅ 'ਤੇ ਹਨ।

"ਓਪਨ" ਲੇਬਲ ਵੀ ਅੰਸ਼ਕ ਹੈ: 100,000-ਘੰਟੇ ਦਾ ਡੇਟਾਸੈਟ ਸੱਚਮੁੱਚ ਖੁੱਲ੍ਹਾ ਹੈ, ਪਰ ਮਾਡਲ ਦਾ ਕੋਡ ਦਸੰਬਰ ਤੱਕ ਬਕਾਇਆ ਨਹੀਂ ਹੈ, ਅਤੇ NVIDIA ਨੇ ਮਾਡਲ ਵੇਟ ਲਈ ਕੋਈ ਰੀਲੀਜ਼ ਮਿਤੀ ਜਾਂ ਲਾਇਸੈਂਸ ਦਾ ਐਲਾਨ ਨਹੀਂ ਕੀਤਾ ਹੈ; ਆਈਜ਼ੈਕ ਲੈਬ 3.0 ਆਮ ਤੌਰ 'ਤੇ ਉਪਲਬਧ ਹੈ। ਸਰੋਤ: NVIDIA ਬਲੌਗ, NVIDIA ਖੋਜ ਪੰਨਾ, ਰੋਬੋਟ ਰਿਪੋਰਟ, 9 ਨਵੰਬਰ 2026; ਨਿਊਰੋਨ, alfw.ai, 10 ਨਵੰਬਰ 2026।