Prometeusz podarował ludzkości ogień i został za to skazany na wieczne męki. NVIDIA właśnie nauczyła tego samego robota – prawdopodobnie licząc na solidny wzrost słupków w raporcie finansowym za trzeci kwartał. Laboratorium GEAR (Generalist Embodied Agent Research), należące do giganta z Santa Clara, wypuściło właśnie nagranie z projektu GR00T-2, które jest prawdziwym popisem niepokojąco wręcz precyzyjnej manipulacji przedmiotami. Nie mówimy tu o niezdarnym automacie siłującym się z klockami; mamy do czynienia z dwuręcznym systemem, który pociera zapałkę, zapala palnik spirytusowy i operuje nożyczkami z pewnością, o której Wasze trzęsące się od nadmiaru kofeiny dłonie mogą tylko pomarzyć.
Przez lata branża robotyki zmagała się z problemem „ostatniej mili” w kwestii zręczności. Mamy maszyny, które potrafią podnosić samochody i nawigować po gigantycznych magazynach, ale poproście którąś o nawleczenie igły lub wpięcie kabla USB, a równie dobrze moglibyście oczekiwać od niej analizy polskiej literatury powojennej. Właśnie dlatego pokaz GR00T-2 robi takie wrażenie. To bezpośredni atak na barierę motoryki małej, pokazujący poziom zręczności, który przybliża roboty do bycia uniwersalnymi narzędziami, a nie tylko maszynami do wykonywania jednej, powtarzalnej czynności.
Mózg ważniejszy od mięśni
Prawdziwa magia nie tkwi tu wyłącznie w dedykowanym, niskokosztowym sprzęcie. Za sznurki pociąga model AI. GR00T-2 to coś, co NVIDIA nazywa „world-action model” (WAM) – to krok dalej niż modele VLA (vision-language-action), które do niedawna dominowały w branży. Zamiast tylko przewidywać kolejny ruch, GR00T-2 przewiduje przyszłe klatki wideo oraz działania, które do nich prowadzą. W gruncie rzeczy robot uczy się modelu fizycznych konsekwencji – nabywa intuicji, jak jego ruchy zmienią otaczający go świat.
Model ten został wytrenowany na kolosalnym i różnorodnym zbiorze danych: ponad 400 000 godzin nagrań z perspektywy pierwszej osoby (human first-person video) oraz dziesiątkach tysięcy godzin danych z teleoperacji robotów. To podejście typu „cross-adaptation”, nazwane X-Adapt, pozwala robotowi uczyć się umiejętności poprzez samą obserwację ludzi, nawet jeśli nigdy wcześniej nie wykonywał danego zadania. Przykładowo, GR00T-2 nauczył się przygotowywać sączek papierowy w lejku laboratoryjnym ze skutecznością 65% tylko dzięki oglądaniu filmów z ludźmi w roli głównej.
Efekty są zdumiewające. „Z pudełka”, bez żadnych pokazów konkretnego zadania, GR00T-2 był w stanie ukończyć 40 z 50 testowanych czynności przynajmniej raz. Wystarczyła jedna demonstracja, by średnia skuteczność skoczyła do 71%. Po pięciu pokazach – co daje mniej niż trzy minuty danych na zadanie – i krótkiej sesji dostrajania (fine-tuning), wskaźnik ten wystrzelił do poziomu 95%.
Z laboratorium na linię montażową
Choć zapalanie zapałek to świetna sztuczka na imprezę, NVIDIA i jej partnerzy mają na celowniku znacznie bardziej praktyczne zastosowania. Precyzja, jaką dysponuje GR00T-2, jest kluczowa w produkcji, logistyce, a nawet w branży usługowej. Możliwość operowania na obiektach podatnych na odkształcenia, takich jak kable czy tkaniny – co stało się możliwe dzięki nowej platformie symulacyjnej Isaac Lab 3.0 i silnikowi fizycznemu Newton – otwiera zupełnie nowy front automatyzacji.
Branżowi giganci już nadstawili uszu. Foxconn wdraża GR00T-2 do automatyzacji produkcji serwerów, podczas gdy Siemens sprawdza jego możliwości w szerokim spektrum zastosowań przemysłowych. Firma Nexuni testuje model nawet przy syzyfowej pracy, jaką jest zrobotyzowane składanie prania. To nie są już tylko akademickie eksperymenty; to realne kroki w stronę wdrażania ogólnych robotów w złożonych, rzeczywistych środowiskach.
Działania te wpisują się w szerszą strategię NVIDII, która chce stać się układem nerwowym całej branży robotyki. Dostarczając modele bazowe (GR00T), środowiska symulacyjne (Isaac Lab) i komputery pokładowe (Jetson Thor), firma buduje ekosystem mający na celu radykalne przyspieszenie rozwoju autonomicznych maszyn.
Niepokojące spojrzenie w przyszłość
Czy to zatem ten słynny „moment ChatGPT” dla robotyki, który zapowiadał Jensen Huang? Jeszcze nie do końca, ale lont zdecydowanie został już podpalony. Połączenie coraz bardziej zaawansowanych modeli bazowych, hiperrealistycznych symulacji i zdolności uczenia się z ogromnych, pozarobotycznych źródeł danych tworzy pętlę sprzężenia zwrotnego, która napędza błyskawiczny postęp.
Prezentacja GR00T-2 to coś więcej niż efektowne demo techniczne; to deklaracja intencji. Pokazuje, że wąskie gardło w robotyce przesuwa się z hardware’u w stronę software’u – od rzemieślniczej inżynierii ku skalowalnej sztucznej inteligencji. Na razie GR00T-2 jedynie podpala sprzęt laboratoryjny w kontrolowanych warunkach. Jutro może montować Waszą elektronikę, sortować paczki, a nawet – o zgrozo – poprawnie złożyć prześcieradło z gumką. I to dopiero będzie przełom, który warto zobaczyć na własne oczy.