Nvidia punta a rendere i robot capaci di imparare operazioni manuali complesse da pochi esempi, anche quando le dimostrazioni provengono da persone o da macchine con una struttura diversa. Al centro delle novità presentate da Nvidia al CoRL di Austin c’è GR00T 2, un nuovo modello di intelligenza artificiale per la robotica che non si limita a scegliere i movimenti: prova anche a prevedere come cambierà l’ambiente dopo averli eseguiti.
Insieme al modello arrivano nuove funzionalità per l’addestramento in simulazione, strumenti per valutare l’affidabilità delle abilità robotiche e sistemi di robotica agentica, nei quali un agente AI pianifica una sequenza di operazioni e controlla se il robot le ha completate. L’obiettivo è affrontare attività che richiedono destrezza e adattamento, come inserire cavi, assemblare piccoli componenti o manipolare oggetti deformabili, riducendo il lavoro necessario per programmare ogni singola variante.
Indice degli argomenti
GR00T 2, un modello che prevede le conseguenze dei movimenti
GR00T 2 segna un’evoluzione rispetto alla famiglia Isaac GR00T N1, presentata da Nvidia nel 2025. È un world-action model (WAM), costruito sull’ecosistema Nvidia Cosmos: riceve immagini, istruzioni e informazioni sullo stato del robot, quindi prevede insieme le azioni da eseguire e le immagini di ciò che dovrebbe accadere. In questo modo può apprendere dai video le relazioni tra movimenti, oggetti e risultati, adattando poi i comandi al corpo della macchina che deve agire.
Il modello è stato addestrato, secondo la documentazione tecnica pubblicata da Nvidia Research, con oltre 402.000 ore di video in prima persona di attività umane, circa 10.000 ore di dimostrazioni realizzate con pinze portatili e 23.500 ore di teleoperazione di robot diversi. Della componente di video umani, 100.000 ore sono disponibili pubblicamente. È questa combinazione di dati a consentire il trasferimento di abilità da una dimostrazione umana a un manipolatore, oppure tra robot con mani e organi di presa differenti.
Il risultato più significativo riguarda la capacità di adattarsi con pochissimi esempi. In una valutazione su 50 compiti che il robot destinatario non aveva mai eseguito durante l’addestramento, il tasso medio di successo parte dal 40% senza dimostrazioni specifiche e sale al 95% dopo sole cinque dimostrazioni per compito. Nvidia precisa che queste ultime corrispondono a meno di tre minuti di dati robotici per ciascuna attività e che l’adattamento richiede circa mezz’ora di fine-tuning su una RTX 5090.
GR00T 2: successo medio su 50 compiti nuovi per il robot destinatario
| Dimostrazioni specifiche per compito | Successo medio nei test |
|---|---|
| Nessuna (zero-shot) | 40% |
| Una dimostrazione | 71% |
| Cinque dimostrazioni | 95% |
Fonte: Nvidia Research, GR00T 2, novembre 2026. Risultati ottenuti nel protocollo sperimentale su 50 attività, non tassi di affidabilità garantiti in produzione.
C’è una distinzione importante nella lettura dei risultati: 40 compiti su 50 sono stati completati almeno una volta senza esempi dedicati, ma questo non significa aver registrato un successo dell’80% nelle prove. Il tasso medio di riuscita delle esecuzioni senza dimostrazioni specifiche è infatti il 40%. È una misura della generalizzazione iniziale, mentre il dato del 95% descrive ciò che avviene dopo l’adattamento del modello.
Dalle mani robotiche all’assemblaggio dei server
I nuovi esperimenti interessano direttamente la manipolazione di precisione. Utilizzando due mani Sharpa con 22 gradi di libertà ciascuna, il modello, dopo un addestramento aggiuntivo limitato, ha raggiunto l’85% di successo nell’inserimento di moduli di memoria Nvidia GB300 e il 65% nell’assemblaggio di un camion giocattolo. In altri test ha trasferito a un robot operazioni mostrate esclusivamente da persone, per esempio preparare un filtro e versare un liquido in un laboratorio.
I primi impieghi aziendali citati da Nvidia si trovano in settori differenti. Foxconn utilizza GR00T 2 in applicazioni di automazione per la produzione di server, Siemens lo sta valutando per diversi casi d’uso industriali e Nexuni lo sperimenta per la movimentazione di biancheria. MicroAGI, invece, ha sviluppato una dimostrazione in cui un braccio YAM sostituisce cavi Ethernet servendosi del modello e di un flusso di addestramento che combina simulazione e reinforcement learning.
L’architettura si estende agli umanoidi con GR00T 2 Turbo, versione alleggerita progettata per funzionare a bordo macchina. Su un Unitree G1 dotato di Jetson Thor, Nvidia dichiara 124 millisecondi per una previsione del modello; il controllo dei movimenti dell’intero corpo è poi affidato a SONIC. La dimostrazione comprende compiti come servire popcorn, pulire e liberare un tavolo: esempi utili a mostrare l’integrazione tra locomozione e manipolazione, ancora distinti da un impiego industriale continuativo.
Isaac Lab 3.0 e Newton: addestrare la destrezza nella simulazione
Per imparare a maneggiare oggetti delicati o deformabili, un robot deve esercitarsi su molte combinazioni di forze, posizioni e contatti. Nvidia rafforza per questo il proprio ambiente di addestramento con Isaac Lab 3.0, versione open source già resa generalmente disponibile il 20 ottobre 2026 e ora al centro delle dimostrazioni del CoRL. La piattaforma consente di preparare scenari con l’assistenza di agenti AI, utilizzare motori fisici e renderer differenti e applicare il reinforcement learning anche a modelli preaddestrati come GR00T.
L’integrazione più stretta con Newton, il motore fisico open source, permette di simulare cavi, tessuti, materiali deformabili e mani articolate con numerosi punti di contatto. L’accuratezza di queste interazioni è decisiva per trasferire sul robot reale ciò che si apprende virtualmente: inserire un connettore, per esempio, richiede di riprodurre il comportamento del cavo e delle superfici di contatto, non soltanto la traiettoria della mano. In un benchmark di manipolazione fine guidata dalla visione, Nvidia riporta una velocità di addestramento fino a 2,5 volte quella ottenuta con Isaac Lab 2.3 e PhysX, nel confronto specifico effettuato.
La ricerca AlphaNIST illustra un’altra possibilità: un’unica politica di controllo per 20 operazioni di assemblaggio sulla tavola di test NIST. Nel training simulato raggiunge oltre il 98% di successo, contro l’81% delle politiche addestrate singolarmente, impiegando circa 39 volte meno tempo GPU. Il metodo privilegia durante l’allenamento i compiti sui quali il robot riesce circa una volta su due, anziché distribuire gli esercizi indistintamente. Sono risultati di apprendimento in simulazione, non percentuali misurate su una linea produttiva.
Nuovi benchmark e agenti AI per programmare le operazioni
La maggiore capacità di apprendimento rende più importante capire in quali condizioni un’abilità continua a funzionare. Nvidia ha annunciato la preview per sviluppatori di Isaac Lab-Arena 0.4, che permette di mettere alla prova i comportamenti robotici in migliaia di varianti ripetibili e individuare le situazioni in cui falliscono. Su questo ambiente si basano due nuovi benchmark aperti: DexBench, realizzato con RLWRLD, comprende 15 compiti in quattro scenari di retail, logistica, manifattura e ospitalità; VABAR, sviluppato con UC Berkeley, ne propone sei con livelli di difficoltà e variazioni standardizzate.
Al CoRL arriva anche Graph-as-Policy (GaP), un approccio della UC Berkeley che usa agenti AI per comporre le abilità elementari in programmi robotici comprensibili agli ingegneri. Gli agenti generano sequenze operative, le provano in simulazione e le modificano quando incontrano errori. L’applicazione pratica si vede soprattutto nei lavori articolati in più passaggi: prendere un componente, posizionarlo, verificarne l’inserimento e, se necessario, riprovare prima di proseguire. Bosch Research, Siemens e Ambi Robotics stanno esplorando queste modalità di programmazione.
Alla disponibilità di dati per l’apprendimento si rivolgono infine Video-to-Data, il flusso che trasforma video di azioni umane in dimostrazioni robotiche simulate, ed EgoHand, un modello aperto per ricostruire in 3D i movimenti delle mani. Sul versante della ricerca Nvidia presenta anche GRAIL, dedicato alla generazione di scene di simulazione per la locomozione e manipolazione degli umanoidi, e RoboTTT, che amplia il contesto visivo utilizzato dai modelli di controllo senza aumentare la latenza di inferenza.
Il quadro delineato da Nvidia è quello di una robotica in cui apprendimento, simulazione, verifica e programmazione diventano parti di un unico processo. Per i costruttori e gli integratori il beneficio potenziale sta nel riutilizzare abilità tra piattaforme e configurazioni produttive, anziché ricominciare ogni volta dall’addestramento di una macchina specifica. Restano da misurare su impianti reali i tempi ciclo, la robustezza al variare degli oggetti e la gestione dei guasti.
