Auf der Fachkonferenz CoRL im texanischen Austin hat Nvidia am 9. November 2026 das Modell GR00T 2 präsentiert. Bei dem System handelt es sich um ein offenes Welt-Aktions-Modell für die Robotik, das motorische Fertigkeiten primär aus menschlichen Videoaufnahmen statt aus aufwendigen Teleoperationsdaten erlernen soll.
Das Modell basiert auf der Cosmos-Architektur und ist als Diffusions-Transformer mit rund 2 Mrd. Parametern aufgebaut. Über einen einzigen Prüfpunkt soll GR00T 2 in der Lage sein, unterschiedliche Hardware wie einfache Greifarme, Geschicklichkeitshände sowie humanoide Roboter anzusteuern.
Technisch sagt das System künftige Kamerabilder und auszuführende Roboteraktionen gemeinsam voraus, wodurch erlernte Fähigkeiten über unterschiedliche Roboterkörper hinweg übertragbar werden sollen.
Umfangreiches Training mit menschlichen Videos
Für das Vortraining nutzte Nvidia nach eigenen Angaben mehr als 402.730 Stunden an Videomaterial aus der Ich-Perspektive von Menschen. Davon stellt das Unternehmen 100.000 Stunden als Datensatz unter der Bezeichnung Human-1M-100K auf der Plattform Hugging Face offen zur Verfügung.
Zum Vergleich umfasst dieses menschliche Videomaterial etwa das 19-Fache der Datenbasis des Vorgängermodells GR00T N1.7, das auf 20.854 Stunden zurückgriff.
Ergänzt wurde das Training durch 23.500 Stunden Teleoperationsdaten von Robotern sowie 10.184 Stunden an Demonstrationen mit handgeführten Greifern, verteilt über 2.897 Aufgaben. Die Erfassung der Daten erfolgte unter anderem mit MANUS-Handschuhen, PICO-Handgelenkstrackern und Kameras.
Unternehmensangaben zufolge steigerte der höhere Anteil an menschlichen Videos den Aufgabenfortschritt über 72 Aufgaben hinweg von 50 % auf 70 %. Bei 50 zuvor nicht im Training gezeigten Aufgaben erzielte das System eine durchschnittliche Erfolgsquote von 40 % ohne vorherige spezifische Demonstration, wobei 40 dieser 50 Aufgaben mindestens einmal erfolgreich bewältigt wurden. Mit einer einzigen Demonstration stieg die Erfolgsquote im Schnitt auf 71 %, mit fÜnf Demonstrationen auf 95 %.
Der rasante Fortschritt bei KI-Systemen stellt Unternehmen nicht nur vor technologische, sondern auch vor komplexe regulatorische Herausforderungen. Dieser kostenlose Umsetzungsleitfaden bietet einen kompakten Überblick über alle Anforderungen, Pflichten und Fristen des EU AI Acts. EU AI Act in 5 Schritten verstehen: Fristen, Pflichten und Risikoklassen kompakt erklärt
Anpassung und praktische Einsatztests
Für die Feinabstimmung einer einzelnen Aufgabe auf einer Grafikkarte vom Typ RTX 5090 veranschlagt Nvidia rund 30 Minuten. Bei fÜnf Demonstrationen mit weniger als drei Minuten an Roboterdaten würden dabei Erfolgsquoten von bis zu 95 % erreicht.
In Einzelversuchen erreichte das Modell bei einer Filterpapieraufgabe im Chemielabor 65 % Erfolg in 20 Durchläufen; bei der Montage von Server-Arbeitsspeicher mit zwei 22-Gelenk-Händen lag die Quote bei 85 %. Auf Benchmarks wie RoboCasa365, RoboLab, RoboDojo und MolmoSpaces meldete Nvidia jeweils Top-3-Platzierungen, die bisher jedoch nicht unabhängig evaluiert wurden.
Das Unternehmen demonstrierte zudem Transferszenarien: So gelang die Montage eines Spielzeug-Lastwagens nach dem Training über Handgreifer auf einem Roboterarm mit einer Erfolgsquote von 60 %, ohne dass dafür aufgabenspezifische Teleoperation für diesen Arm nötig war. Über Wearable-Hand-Demonstrationen erlernte das System zudem zweihändige Handgriffe zur Frühstückszubereitung.
Als Testpartner treten Unternehmen wie Foxconn in der Serverfertigung, Siemens zu Evaluierungszwecken sowie Nexuni im Bereich der Wäschehandhabung auf. Verbindliche Produktionszusagen existieren derzeit nicht.
Wer KI-Systeme entwickelt oder im Betrieb einsetzt, muss heute genau wissen, welche Anwendungen als Hochrisiko eingestuft werden. Erfahren Sie in diesem kostenlosen Report, was Unternehmen jetzt konkret tun müssen, um die neuen EU-Regeln rechtssicher umzusetzen. Welche KI-Systeme gelten als Hochrisiko – und was müssen Unternehmen jetzt konkret tun?
Neben dem Standardmodell existiert eine optimierte Turbo-Variante, die auf dem humanoiden Roboter Unitree G1 unter Verwendung von Jetson Thor und einem SONIC-Controller läuft. Eine Programmierschnittstelle erlaubt dabei mehrstufige Abläufe und Fehlerbehebungen über Prüf- und Wiederherstellungsroutinen.
Einschränkungen und Kritik
Nvidia räumt in seinem begleitenden Papier Limitierungen ein: Die getesteten 50 Aufgaben wurden aus Szenarien ausgewählt, die das Modell grundsätzlich bereits gut erlernen konnte. Ein universell verlässlicher Transfer gilt damit noch nicht als belegt.
Branchenbeobachter wie Samarth Urs vom Portal Post-Hype Tech merkten kritisch an, dass die präsentierten Spitzenwerte die tatsächliche Leistung überzeichnen könnten, da viele Fertigkeiten bereits durch das Basistraining abgedeckt gewesen seien und nicht alle Aufgaben durchgehend stabil funktionierten.
Die Veröffentlichung des Programmcodes ist auf den Projektseiten von Nvidia für Dezember 2026 in Aussicht gestellt. Angaben zu Lizenzen, der finalen Modellgröße oder Preisen wurden bislang nicht gemacht.