Nvidia GR00T 2 учит роботов тонкой моторике по видео: 95% успеха с пятью демонстрациями

Главная боль робототехники — не железо, а данные. Чтобы манипулятор научился вставлять разъём, брать хрупкую деталь или аккуратно перекладывать мелочёвку, оператор часами водит его руками через телеуправление, и каждая такая демонстрация стоит денег. Nvidia с GR00T 2 пытается обойти это узкое место: взять данные там, где их уже полно, то есть в видео, на которых работают люди.

Что именно объявила Nvidia

GR00T 2 — открытая модель для роботов, которая должна помогать осваивать тонкие навыки рук. Часть обучения прошла на 100 000 часов видео с людьми. По данным Nvidia, в её собственных тестах модель показала в среднем 95% успеха, когда на каждую задачу давали всего пять демонстраций. Модель уже тестируют Foxconn, Siemens и Nexuni.

Важная оговорка: это цифры самой Nvidia, полученные на её наборе задач. Независимых замеров в исходном анонсе нет, и какие именно задачи входили в «средние 95%», из короткой заметки не понять. Читать цифру стоит как заявку на возможности, а не как гарантию для вашего цеха.

Как это работает на простом примере

Представьте, что вы учите стажёра закручивать крышку на баночке. Можно полгода водить его рукой по одному и тому же движению. А можно сначала дать ему посмотреть, как это делают тысячи людей, а потом показать пару раз, как устроена именно ваша баночка. Первый этап даёт общее понимание: как рука подходит к предмету, как меняется хват, где нужна аккуратность. Второй подстраивает под конкретную задачу.

GR00T 2 следует той же логике. Видео с людьми служит дешёвым источником знаний о том, как вообще обращаются с предметами. Пять демонстраций на задачу нужны уже для адаптации под конкретного робота и конкретную операцию. Если это работает так, как заявлено, стоимость запуска новой операции падает с недель сбора данных до нескольких показов.

Почему это важно на практике

Сам факт, что среди тестировщиков есть Foxconn и Siemens, говорит о направлении: интерес идёт со стороны сборки электроники и промышленной автоматизации, где много мелких, повторяющихся, но капризных операций. Именно там раньше упирались в то, что перепрограммировать линию под новую деталь слишком дорого.

Для разных ролей вывод разный:

• Разработчикам робототехники: открытая модель означает, что её можно скачать, проверить на своих задачах и дообучить, а не ждать доступа по API. Стоит проверить, какие манипуляторы и сенсоры она поддерживает.
• Продактам: считайте не абстрактный процент успеха, а стоимость внедрения одной новой операции. Если пять демонстраций действительно достаточно, меняется экономика мелкосерийного производства.
• Основателям: у обучения на человеческом видео низкий порог входа по данным. Это может открыть нишу сервисов, которые собирают и размечают такое видео под конкретные отрасли.

Ограничения

Первое: 95% в лабораторном тесте и 95% на реальной линии с пылью, бликами и разбросом деталей — разные вещи. На производстве важен не средний результат, а хвост ошибок: одна поломанная деталь из двадцати может перечеркнуть выгоду.

Второе: видео с людьми показывает руки человека, а у робота другая кинематика и другие захваты. Как именно модель переносит навык с одного тела на другое, в анонсе не раскрыто, а это ключевой вопрос для качества.

Третье: Foxconn, Siemens и Nexuni пока именно тестируют, а не внедряют. До промышленного применения обычно остаётся долгий путь проверок безопасности и надёжности.

Что делать сейчас

Если вы занимаетесь робототехникой, добавьте GR00T 2 в список моделей для пилота и сформулируйте две-три собственные операции с тонкой моторикой. Прогоните их с пятью демонстрациями и посмотрите на реальный процент успеха и характер ошибок. Если цифры близки к заявленным, это серьёзный сигнал, что обучение на человеческом видео становится рабочим инструментом, а не только красивой демонстрацией на конференции.