NVIDIA stellt GR00T 2 vor: ein Robotermodell, das die nächsten Sekunden mitrechnet

NVIDIA hat am 9. November 2026 zur Conference on Robot Learning (CoRL) in Austin, Texas, sein neues Robotermodell GR00T 2 vorgestellt. Der Konzern nennt es ein „world action model“: Es berechnet nicht nur die nächsten Bewegungen eines Roboters, sondern zugleich, wie die Kamerabilder in den nächsten Augenblicken aussehen werden. Die Bewegungen sollen so der Zukunft folgen, die das Modell sich vorstellt. Grundlage ist das Videomodell Cosmos-Predict2.5 mit zwei Milliarden Parametern aus NVIDIAs eigener Cosmos-Reihe. Alle Leistungsangaben in diesem Beitrag stammen aus NVIDIAs Blogbeitrag und dem technischen Bericht zu GR00T 2; es sind Messungen des Herstellers selbst. 

Was GR00T 2 laut NVIDIA kann

Den größten Teil der Trainingsdaten machen Videos aus, die Menschen bei der Arbeit mit Kopfkameras aufgenommen haben. Dazu kommen Vorführungen mit einem handgeführten Greifer und ferngesteuerte Roboterdaten. Vortrainiert wurde auf 1.024 Grafikprozessoren vom Typ GB300. 100.000 Stunden der Menschenvideos hat NVIDIA als Datensatz unter der Lizenz CC BY 4.0 auf Hugging Face gestellt. 

Die Variante GR00T 2 Turbo ist für Humanoide gedacht, die das Modell im Roboter selbst rechnen müssen. NVIDIA zeigt sie auf dem G1 von Unitree. Bei den meisten Montage- und Handaufgaben im Bericht liegt sie hinter dem Hauptmodell; bei den Aufgaben mit Roboterhänden sinkt die durchschnittliche Erfolgsquote von 68,6 auf 34,3 Prozent. Laut NVIDIA testet Nexuni GR00T 2 für das Wäschehandling, Foxconn setzt es in der Fabrikautomation für die Serverfertigung ein, Siemens prüft es für Industrieanwendungen, und MicroAGI tauscht damit an einem Roboterarm Ethernet-Kabel. Wie weit diese Projekte sind, sagt der Blogbeitrag nicht. 

Grenzen, die NVIDIA selbst nennt

Der Bericht ist bei den Schwächen deutlich. Die 50 Aufgaben für den 95-Prozent-Wert wurden unter solchen ausgewählt, die das Modell mit fünf Vorführungen zu mindestens 80 Prozent lernt; der hohe Wert ist damit laut NVIDIA zum Teil schon durch die Auswahl bedingt. Tast- und Kraftsignale nimmt GR00T 2 nicht als Eingabe auf. Ohne Vorführung entstehen die meisten Fehlschläge laut NVIDIA nicht beim Verstehen der Aufgabe, sondern bei der Präzision einzelner Handgriffe; bei langen Aufgaben summieren sich solche kleinen Fehler. Montageerfolge von mindestens 97 Prozent aus einem ungeordneten Teilehaufen gelangen nur mit zusätzlichen Korrekturdaten und einem übergeordneten KI-Agenten, der den Roboter überwacht und Fehler behebt. Dieser Agent ist langsam: Beim Müllsortieren brauchte er im Mittel (Median) 7,5 Sekunden je Entscheidungsrunde, und der Roboter wartete im Mittel 38 Prozent der Zeit auf ihn. 

NVIDIA bezeichnet GR00T 2 als offenes Modell. Auf der Projektseite steht aber nur „Code Available in December“; eine Lizenz für das Modell nennen weder Blog noch Bericht. Offen zugänglich sind bislang der Bericht und der Datensatz. 

Isaac Lab 3.0 und neue Prüfstände

Das Trainingsframework Isaac Lab 3.0 ist nicht neu: Es ist seit Oktober 2026 allgemein verfügbar und war Thema der GTC Berlin. Zur CoRL hob NVIDIA hervor, dass KI-Agenten damit Trainingsumgebungen einrichten können, dass sich zwischen den Physik-Engines PhysX und Newton wechseln lässt und dass eine neue Bibliothek Modelle wie GR00T per Reinforcement Learning nachtrainiert. In einem kamerabasierten Test für geschickte Handhabung erreiche Isaac Lab 3.0 mit Newton bis zum 2,5-fachen Trainingsdurchsatz der Version 2.3 mit PhysX, so NVIDIA. 

Neu sind Werkzeuge zum Vergleichen von Robotermodellen. Isaac Lab-Arena 0.4 ist als Entwicklervorschau erschienen. Darauf baut DexBench auf, ein Prüfstand, den das Unternehmen RLWRLD mit NVIDIA entwickelt hat: 15 Aufgaben in vier Szenen aus Handel, Logistik, Fertigung und Gastgewerbe. Mit der UC Berkeley hat NVIDIA den Benchmark VABAR mit sechs Industrieaufgaben entwickelt. „Für mich ist agentische Robotik die aufregendste technologische Entwicklung seit dem Internet im Jahr 1995“, sagt der Berkeley-Robotikprofessor Ken Goldberg, einer der Projektleiter von VABAR. 

Einordnung: Google DeepMind einen Tag später

Am 10. November 2026 stellte Google DeepMind Gemini Robotics 2.5 vor. Nach eigenen Angaben erreicht das Modell, getestet an über 200 Aufgaben, je nach Aufgabentyp 30 bis 100 Prozent höhere Erfolgsquoten als frühere Vergleichsmodelle. In einer Machbarkeitsstudie bei Mercedes-Benz in Kecskemét (Ungarn) und Sindelfingen sortierte der Humanoide Apollo 2 von Apptronik an laufenden Produktionslinien Autoteile aus Behältern in Ablagen, in der Reihenfolge, die das jeweilige Fahrzeug braucht; die Erfolgsquote gibt DeepMind mit 96 Prozent an. Der Unterschied liegt im Zugang: Gemini Robotics 2.5 wird an die Robotik-Partner von DeepMind ausgeliefert, eine öffentliche Schnittstelle nennt DeepMind nicht. Offen veröffentlicht hat DeepMind dagegen einen Sicherheitstest, ASIMOV-Jailbreak, mit dem sich prüfen lässt, ob Robotermodelle als harmlos getarnte gefährliche Anweisungen ausführen.