Prometeo le entregó el fuego a la humanidad y fue condenado por toda la eternidad. NVIDIA, en cambio, acaba de enseñarle a un robot a hacer lo mismo, presumiblemente para darle un empujón a sus resultados del tercer trimestre. El laboratorio GEAR (Generalist Embodied Agent Research) de la compañía acaba de publicar un vídeo de su proyecto GR00T-2, y es una auténtica clase magistral de manipulación con una precisión que pone los pelos de punta. No hablamos de un autómata torpe apilando bloques; es un brazo robótico bimanual raspando una cerilla, encendiendo un mechero de alcohol y manejando unas tijeras con una firmeza que tus manos humanas, cargadas de cafeína, solo podrían soñar.
Durante años, la industria de la robótica se ha visto frenada por el “problema de la última milla” en cuanto a destreza. Tenemos robots capaces de levantar coches y navegar por almacenes, pero si les pides que enhebren una aguja o conecten un cable USB, es como si les pidieras que te expliquen la literatura posmoderna. Por eso la demostración de GR00T-2 es tan fascinante. Es un ataque directo a la barrera de la motricidad fina, mostrando un nivel de habilidad que acerca a los robots a ser herramientas de propósito general y no simples máquinas monotarea.
El cerebro detrás del músculo
La verdadera magia aquí no reside solo en un hardware personalizado de bajo coste. Es el modelo de IA el que mueve los hilos. GR00T-2 es lo que NVIDIA denomina un modelo de acción mundial (WAM, por sus siglas en inglés), un paso más allá de los modelos de visión-lenguaje-acción (VLA) que han dominado el sector recientemente. En lugar de limitarse a predecir la siguiente acción, GR00T-2 predice los futuros fotogramas de vídeo y las acciones que llevan a ellos. En esencia, está aprendiendo un modelo de consecuencias físicas: una intuición sobre cómo sus movimientos transformarán el mundo.
Este modelo ha sido preentrenado con un conjunto de datos colosal y heterogéneo: más de 400.000 horas de vídeo humano en primera persona, además de decenas de miles de horas de datos de teleoperación robótica. Este enfoque de “adaptación cruzada”, bautizado como X-Adapt, permite al robot aprender habilidades observando a humanos, incluso si nunca ha realizado la tarea por sí mismo. Por ejemplo, GR00T-2 aprendió a preparar un papel de filtro en un embudo de laboratorio con una tasa de éxito del 65% solo con ver vídeos de personas haciéndolo.
Los resultados son asombrosamente eficaces. Nada más sacarlo de la caja, sin demostraciones específicas para cada tarea, GR00T-2 fue capaz de completar 40 de las 50 tareas evaluadas al menos una vez. Con una sola demostración, su tasa media de éxito saltó al 71%. Dale cinco demostraciones —menos de tres minutos de datos por tarea— y la cifra se dispara hasta el 95% tras una breve sesión de ajuste fino.
Del laboratorio a la línea de montaje
Aunque encender cerillas es un truco fantástico para dejar boquiabierto a cualquiera, NVIDIA y sus socios tienen en mente aplicaciones mucho más prácticas. La destreza de GR00T-2 es vital para tareas en fabricación, logística e incluso hostelería. La capacidad de manipular objetos deformables como cables y telas —una nueva función impulsada por la plataforma de simulación Isaac Lab 3.0 y su motor físico Newton— abre una nueva frontera en la automatización.
Los gigantes del sector ya han tomado nota. Foxconn está aplicando GR00T-2 para automatizar la fabricación de servidores, mientras que Siemens lo está evaluando para diversas aplicaciones industriales. Otra empresa, Nexuni, está probando el modelo para la tarea casi sísifea de doblar la colada de forma robótica. No son meros experimentos de laboratorio; son pasos tangibles hacia el despliegue de robots generalistas en entornos reales y complejos.
Este avance forma parte de la estrategia global de NVIDIA para convertirse en el sistema nervioso central de toda la industria robótica. Al proporcionar los modelos fundacionales (GR00T), los entornos de simulación (Isaac Lab) y los ordenadores de a bordo (Jetson Thor), la compañía está construyendo un ecosistema diseñado para acelerar el desarrollo de máquinas autónomas.
Un vistazo inquietante al futuro
Entonces, ¿estamos ante el “momento ChatGPT” de la robótica que predijo el CEO Jensen Huang? Quizá no del todo, pero la mecha ya está encendida. La combinación de modelos fundacionales cada vez más sofisticados, simulaciones hiperrealistas y la capacidad de aprender de fuentes de datos masivas no robóticas está creando un bucle de progreso vertiginoso.
La demostración de GR00T-2 es más que un simple alarde técnico; es una declaración de intenciones. Demuestra que el gran cuello de botella de la robótica se está desplazando del hardware al software, de la ingeniería a medida a la IA escalable. Por ahora, GR00T-2 solo está encendiendo material de laboratorio bajo condiciones controladas. Mañana, podría estar ensamblando tus dispositivos electrónicos, clasificando tus paquetes o incluso —tiembla— doblando correctamente una sábana bajera. Eso sí que sería un hito digno de ver.