Per anni la simulazione è stata uno degli strumenti più efficaci per insegnare ai robot a muoversi: camminare, mantenere l’equilibrio, superare ostacoli o coordinare ruote e arti. Al Conference on Robot Learning (CoRL) di Austin, NVIDIA prova a spostare l’attenzione su una fase più complessa e potenzialmente più rilevante per le applicazioni industriali: l’addestramento di macchine che devono agire con precisione su oggetti piccoli, cavi, componenti e meccanismi.
L’azienda ha annunciato una serie di tecnologie aperte per la robotica, fra cui il modello GR00T 2, Isaac Lab 3.0 e nuovi benchmark di valutazione. Il filo conduttore è la possibilità di costruire, calibrare e usare ambienti simulati nei quali un robot possa provare migliaia di volte una stessa operazione, ricevere riscontri sui fallimenti e migliorare la propria strategia prima di essere portato in un ambiente reale.
Il passaggio è importante perché manipolare un oggetto richiede una combinazione di percezione e controllo più delicata rispetto al puro movimento. Inserire un connettore, allineare parti meccaniche o intervenire su un cablaggio significa riconoscere la scena, stimare posizioni e orientamenti, scegliere una sequenza di azioni e reagire se il risultato non è quello atteso. Sono condizioni frequenti sia nelle linee produttive sia nelle attività di assemblaggio, ma difficili da coprire con dimostrazioni limitate o con prove esclusivamente fisiche.
Un modello che collega osservazione, azione e conseguenze
Il tassello centrale dell’annuncio è GR00T 2, definito da NVIDIA un world action model aperto e costruito su NVIDIA Cosmos. L’idea alla base di questa categoria di modelli è che il robot non debba limitarsi a riconoscere ciò che ha davanti: deve anche stimare quale effetto produrrà un’azione nell’ambiente e usarlo per completare procedure composte da più passaggi.
Secondo i dati diffusi dall’azienda, il modello è stato addestrato su dati eterogenei relativi a robot e persone, inclusi 100.000 ore di dati egocentrici umani open source messi a disposizione da NVIDIA. Nei test descritti nel comunicato, GR00T 2 ha portato a termine almeno una volta 40 delle 50 attività valutate senza dimostrazioni specifiche per quel singolo compito. Con una dimostrazione per attività, il tasso medio di successo sulle 50 prove è stato del 71%; con cinque dimostrazioni è salito al 95%.
Sono risultati forniti dal produttore, dunque da leggere nel perimetro dei benchmark e delle condizioni sperimentali adottate. Restano però indicativi della direzione di sviluppo: ridurre la quantità di esempi necessari per insegnare un’abilità e rendere quella conoscenza trasferibile fra corpi robotici differenti. NVIDIA sostiene infatti che GR00T 2 possa apprendere da dimostrazioni umane e adattare capacità fra robot senza richiedere una dimostrazione eseguita da ogni specifica macchina.
Il modello è pensato anche per essere richiamato da agenti software. Attraverso API e strumenti di supporto, questi agenti possono mettere in fila diverse capacità operative e tentare un recupero quando un passaggio fallisce. È una prospettiva rilevante per compiti che non si riducono a un singolo gesto: un robot impegnato nell’assemblaggio deve poter ripetere, correggere il posizionamento o scegliere il passaggio successivo senza essere programmato manualmente per ogni variazione possibile.
La simulazione come infrastruttura di addestramento
Nel racconto di NVIDIA, il modello preaddestrato fornisce un insieme iniziale di competenze; la simulazione diventa il luogo in cui tali competenze vengono estese, misurate e corrette. L’utilità non sta soltanto nel costo inferiore rispetto a un laboratorio fisico. Un ambiente digitale consente di introdurre variazioni, osservare con continuità l’esito degli esperimenti e generare casi di errore senza bloccare una postazione reale o sottoporre il robot a rischi materiali.
Isaac Lab 3.0 e Newton rientrano in questa architettura. MicroAGI, citata da NVIDIA fra gli utilizzatori, sta post-addestrando GR00T 2 con reinforcement learning per eseguire lo scambio di cavi Ethernet attraverso un braccio robotico YAM. Nel suo flusso di lavoro, un approccio agentico automatizza la creazione e la calibrazione dell’ambiente simulato, mentre la policy viene addestrata all’interno di quel contesto.
Il caso è utile perché riassume il tipo di problema che la simulazione cerca di affrontare. Un cavo non è un oggetto rigido: può flettersi, occupare posizioni diverse e richiedere un contatto accurato. Non basta individuare una porta o una spina nell’immagine; il sistema deve coordinare presa, traiettoria e inserimento. La dimostrazione in simulazione non equivale ancora a una validazione sul campo, ma può accelerare la fase in cui si raccolgono segnali e si eliminano strategie inefficaci.
La stessa logica riguarda gli altri progetti industriali menzionati dall’azienda. Nexuni sta testando GR00T 2 per la gestione robotica della biancheria, mentre Foxconn lo sta applicando all’automazione di fabbrica per la produzione di server. Siemens, sempre secondo NVIDIA, lo sta valutando in diversi casi d’uso industriali. Sono sperimentazioni e valutazioni, non annunci di diffusione su larga scala, ma mostrano quali settori NVIDIA ritiene più adatti a beneficiare di robot addestrati su mansioni manipolative.
Dati, scene digitali e metriche comuni
L’altro elemento della strategia riguarda i dati. Per addestrare sistemi che interagiscono con il mondo fisico servono osservazioni di azioni, oggetti e contesti molto diversi. NVIDIA ha quindi presentato un workflow open source Video to Data, destinato a trasformare video di persone in dimostrazioni per robot in ambiente simulato. L’azienda ha inoltre annunciato una challenge dedicata al miglioramento di questo processo.
Accanto a questo, il modello open EgoHand ricostruisce il movimento tridimensionale delle mani. È stato addestrato anche con dati di Noitom Robotics e, nelle due settimane successive al lancio, ha superato 40.000 download su Hugging Face, secondo il dato condiviso da NVIDIA. La ricostruzione delle azioni umane può essere un passaggio utile per ottenere materiale di addestramento, ma non elimina il problema della traduzione fra una mano biologica e un effettore robotico, che può avere forma, gradi di libertà e capacità di presa molto diversi.
Per questo contano anche benchmark e valutazioni comparabili. NVIDIA riferisce che GR00T 2 figura fra i primi tre modelli nelle categorie vision language action e world action model considerate nei benchmark RoboCasa365, RoboLab, RoboDojo e MolmoSpaces, con più risultati al vertice delle classifiche. Le graduatorie aiutano a capire come un modello si comporti in scenari definiti, ma non sostituiscono la verifica in fabbrica, dove illuminazione, usura, tempi di ciclo, materiali e imprevisti cambiano continuamente.
Al CoRL, due lavori di NVIDIA sono inoltre fra i sei finalisti, scelti fra migliaia di candidature, per i Best Paper Awards. GRAIL propone una pipeline per generare asset 3D e scene pronte per i simulatori di robotica; RoboTTT affronta invece l’estensione del contesto visuo-motorio delle policy robotiche senza aumentare la latenza di inferenza. Entrambi i temi riguardano un collo di bottiglia concreto: disporre di scenari sufficienti per l’addestramento e permettere al robot di mantenere informazioni utili mentre svolge un compito articolato.
La portata dell’annuncio va quindi oltre un singolo modello. NVIDIA sta cercando di offrire una catena che parte dalla raccolta di dati umani, passa dalla generazione di scene e dall’addestramento in simulazione, e arriva alla misurazione delle prestazioni e al controllo tramite agenti. Attorno a questa iniziativa cita partner che includono Ambi Robotics, Bosch Research, Dexmate, Dyna Robotics, FieldAI, Flexion, Noitom Robotics, Siemens, Skild AI, RLWRLD, UC Berkeley, Walden Robotics e University of Washington.
Il limite è insito nella natura stessa del problema: un robot può accumulare esperienza in un mondo simulato, ma deve poi dimostrare di saper operare in condizioni fisiche imperfette e variabili. Le metriche comunicate da NVIDIA mostrano avanzamenti nella generalizzazione e nell’efficienza dei dati, non una garanzia di affidabilità universale. Il prossimo banco di prova sarà l’uso continuativo in attività dove precisione, recupero dagli errori e sicurezza devono convivere con i vincoli operativi di una fabbrica o di un magazzino.
