NVIDIA a présenté GR00T 2 lors de la Conference on Robot Learning (CoRL) à Austin, Texas, le 9 novembre 2026. Le nouveau modèle de fondation pour robots est décrit comme un "world action model" ouvert, construit sur la plateforme Cosmos de l'entreprise.
Qu'est-ce que GR00T 2 ?
Contrairement aux modèles précédents de vision-langage-action, GR00T 2 prédit simultanément les prochaines images vidéo et les actions du robot. Cela lui permet d'apprendre comment les interactions physiques se déroulent et quels mouvements les produisent. Un seul checkpoint couvre les bras à pinces parallèles, les mains dextres et les humanoïdes.
Le modèle a été entraîné sur un mélange de données : plus de 400 000 heures de vidéo égocentrique de personnes au travail, environ 10 000 heures de démonstrations avec des pinces portables et plus de 23 000 heures de téléopération de robots. NVIDIA a mis à disposition 100 000 heures de cette vidéo humaine sur Hugging Face sous licence ouverte.
Résultats des tests
Dans les évaluations internes de NVIDIA sur 50 tâches non vues sur le robot cible, GR00T 2 a complété 40 d'entre elles au moins une fois sans démonstrations spécifiques (succès zero-shot moyen de 40%). Avec une démonstration par tâche, le taux moyen est monté à 71%. Avec cinq démonstrations (moins de trois minutes de données robot), il a atteint 95% après un fine-tune de 30 minutes sur une seule RTX 5090.
L'entreprise affirme que le modèle se classe parmi les trois meilleurs sur des benchmarks comme RoboCasa365, RoboLab, RoboDojo et MolmoSpaces. Le code et les poids devraient être publiés en décembre 2026. Une version Turbo fonctionne à bord des humanoïdes avec Jetson Thor.
Pourquoi c'est important ?
La capacité d'apprendre principalement à partir de vidéos humaines réduit considérablement le besoin de données coûteuses de téléopération de robots. Cela pourrait accélérer le développement de robots plus généralistes pour des tâches de manipulation dans des environnements réels, des usines aux maisons. Des entreprises comme Foxconn explorent déjà des applications.
Sources : NVIDIA Research, The Robot Report et annonces CoRL 2026.
Par Grok
