دیجی‌نت

اخبار

انویدیا GR00T 2 رو معرفی کرد؛ ربات انسان‌نما حالا با پنج بار دیدن، یه کار تازه رو یاد می‌گیره

0 بازدید

🤖 تا حالا اگه می‌خواستید به یه ربات کار جدیدی یاد بدید، باید ساعت‌ها جلوش زحمت می‌کشیدید، داده جمع می‌کردید و یه عالمه پردازش خرج می‌کردید. انویدیا حالا با GR00T 2 می‌گه این مسیر می‌تونه خیلی کوتاه‌تر بشه.

GR00T 2 دقیقاً چیه؟

تیم GEAR انویدیا این مدل رو نوامبر ۲۰۲۶ روی صفحهٔ رسمی پژوهش‌هاش معرفی کرده و سایت ژاپنی GIGAZINE هم ۲۶ آبان (۱۷ نوامبر) گزارشش رو منتشر کرده. انویدیا اسم این نسل رو World-Action Model (مدل دنیا و حرکت) گذاشته. فرقش با مدل‌های قبلی اینه که فقط نمی‌گه ربات چه حرکتی بکنه؛ هم‌زمان پیش‌بینی می‌کنه بعد از اون حرکت، صحنه چه شکلی می‌شه. همین پیش‌بینی باعث می‌شه بتونه از ویدئوی آدم‌ها، فیزیک دنیای واقعی رو یاد بگیره.

این مدل روی بازوهای ساده با گیره، دست‌های پنج‌انگشتی و ربات‌های انسان‌نما کار می‌کنه.

با چی آموزش دیده؟

طبق صفحهٔ رسمی، GR00T 2 روی سه جور داده آموزش دیده:

  • ۴۰۲٬۷۳۰ ساعت ویدئو از دید اول‌شخص آدم‌ها موقع کار
  • ۱۰٬۱۸۴ ساعت نمایش با یه گیرهٔ دستی، روی ۲٬۸۹۷ کار مختلف
  • ۲۳٬۵۰۰ ساعت کنترل از راه دور ربات‌ها

۱۰۰ هزار ساعت از اون ویدئوها هم با اسم Human-1M-100K روی Hugging Face آزادانه در دسترسه.

عددهایی که چشم رو می‌گیره

  • بدون تمرین: روی ۵۰ کاری که ربات هیچ‌وقت انجامشون نداده بود و فقط تو ویدئوی آدم‌ها یا ربات‌های دیگه دیده بود، ۴۰ درصد موفق بوده.
  • با ۵ نمایش: اگه هر کار رو فقط ۵ بار نشونش بدید (کمتر از ۳ دقیقه داده) و ۳۰ دقیقه روی یه کارت گرافیک RTX 5090 آموزشش بدید، موفقیت می‌رسه به ۹۵ درصد.
  • کارهای ظریف: با دو دست ۲۲ درجه‌آزادی تونسته ماژول حافظه رو سر جاش بذاره (۸۵ درصد) و یه کامیون اسباب‌بازی رو سر هم کنه (۶۵ درصد)؛ کارهایی که به گفتهٔ انویدیا مدل‌های قبلی از پسشون برنمی‌اومدن.
  • از آدم به ربات: رباتی که فقط دیده آدم‌ها کاغذ صافی رو تو قیف می‌ذارن و خیسش می‌کنن، بدون تمرین روی خودش ۶۵ درصد مواقع همین کار رو درست انجام داده.
  • همکاری با مدل‌های استدلالی: وقتی یه مدل استدلالی قدم‌به‌قدم بهش دستور داده، ربات تو ۱۰۰ مونتاژ پشت‌سرهمِ هر کدوم از سه اسباب‌بازی، حداقل ۹۷ تاش رو کامل کرده و خطاهاش رو هم خودش جمع‌وجور کرده.

نسخهٔ Turbo روی خود ربات

نسخهٔ GR00T 2 Turbo سبک‌تره و مستقیم روی پردازندهٔ Jetson Thor خود ربات انسان‌نمای Unitree G1 اجرا می‌شه. هر پیش‌بینیش ۱۲۴ میلی‌ثانیه طول می‌کشه و ربات باهاش راه می‌ره، خم می‌شه و چیزی رو جابه‌جا می‌کنه. تو آزمایش‌ها، تو هر ۴۸ بار پاپ‌کورن رو برداشته و سرو کرده و ۹۳ درصد مواقع یه میز شلوغ رو جمع کرده.

برای شما چه فرقی می‌کنه؟

اگه تو حوزهٔ رباتیک، اتوماسیون کارگاه یا پژوهش دانشگاهی کار می‌کنید، معنیش اینه که یاد دادن یه کار تازه به ربات دیگه لازم نیست با هزاران ساعت داده و خوشه‌های سرور بزرگ انجام بشه؛ چند نمایش کوتاه و یه کارت گرافیک رده‌بالای خونگی، شروع کار رو ممکن می‌کنه. یه نکتهٔ دیگه هم اینه که مهارت‌ها از یه بدنهٔ ربات به بدنهٔ دیگه منتقل می‌شن و لازم نیست هر ربات رو از صفر آموزش بدید.

محدودیت‌ها

خود انویدیا می‌گه کارهای خیلی طولانی هنوز براش سخته؛ مثلاً تو جداسازی زباله روی یکی از ربات‌ها، اشیای بیشتری رو درست جابه‌جا کرده ولی کل کار رو به‌ندرت تا آخر رسونده. حرکت‌هایی مثل ریختن یا تمیز کردن هم هنوز فقط با دستور متنی منتقل می‌شن. به گزارش GIGAZINE، کد مرتبط با GR00T 2 قراره دسامبر ۲۰۲۶ (آذر و دی) منتشر بشه، پس فعلاً نمی‌شه خودتون اجراش کنید.

اگه ربات‌ها واقعاً با چند بار دیدن کار یاد بگیرن، فاصلهٔ بین آزمایشگاه و کارگاه خیلی کمتر می‌شه. 👀

#ربات_انسان_نما #انویدیا #هوش_مصنوعی

🔗 صفحهٔ رسمی پژوهش
🔗 GIGAZINE

ورود به دیجی‌نت

بازگشت به فهرست بلاگ