NVIDIA ha creato un’IA che insegna ai robot guardando gli esseri umani: bastano 3 minuti per imparare

Un robot osserva una persona mentre svolge un lavoro e impara a ripeterlo, senza che un tecnico debba guidargli ogni movimento per ore. NVIDIA ha presentato GR00T 2, una nuova intelligenza artificiale per la robotica che trasferisce ai macchinari le abilità mostrate nei video degli esseri umani. Nei test di laboratorio, dopo cinque brevi dimostrazioni e una fase di addestramento supplementare, il modello ha raggiunto il 95% di successo in una selezione di attività mai eseguite prima dal robot.
Il risultato è promettente perché uno dei maggiori ostacoli alla diffusione dei robot è proprio insegnare loro gesti nuovi: afferrare oggetti delicati, assemblare componenti o manipolare strumenti richiede normalmente molti dati specifici. GR00T 2 prova a ridurre questo lavoro sfruttando centinaia di migliaia di ore di registrazioni di persone impegnate in attività quotidiane e professionali.

Come funziona GR00T 2: il robot non copia soltanto i movimenti
Il modello è stato presentato alla Conference on Robot Learning di Austin, in Texas. NVIDIA lo definisce un World Action Model, cioè un sistema che prevede contemporaneamente le azioni del robot e come cambierà la scena dopo quelle azioni. Se deve afferrare un oggetto, non si limita a calcolare dove muovere la mano: cerca anche di prevedere il risultato visivo del gesto.
Questo approccio consente di trasferire abilità apprese da video umani, dispositivi manuali e altri robot a macchine con corpi e pinze differenti. L’obiettivo è ridurre la necessità di ripetere da zero lunghi cicli di teleoperazione per ogni modello robotico.
Per l’addestramento sono state utilizzate circa 402.730 ore di video in prima persona, 10.184 ore di dimostrazioni con pinze manuali e 23.500 ore di dati da robot controllati a distanza. NVIDIA ha inoltre messo a disposizione 100.000 ore di registrazioni umane per favorire lo sviluppo di nuovi sistemi.
Cinque dimostrazioni e il 95% di successo: cosa significa davvero
La prova più interessante ha riguardato 50 attività non ancora praticate dal robot utilizzato per la valutazione. Senza dimostrazioni specifiche, GR00T 2 ha ottenuto in media il 40% di successo. Con una sola dimostrazione il valore è salito al 71%, mentre con cinque dimostrazioni ha raggiunto il 95%.
Le cinque dimostrazioni corrispondevano a meno di tre minuti di dati del robot per attività, seguiti da circa 30 minuti di fine-tuning su una singola scheda grafica RTX 5090. Non significa quindi che il robot diventi autonomamente esperto in tre minuti, né che possa imparare qualunque compito con la stessa efficacia.
C’è anche una precisazione metodologica: le 50 attività del test erano state selezionate tra quelle che avevano già mostrato buoni risultati dopo poche dimostrazioni. Il 95% è un risultato sperimentale comunicato da NVIDIA, non una garanzia universale per qualsiasi lavoro o ambiente reale.

Leggi anche:
Dai fiammiferi alla colazione: i gesti che i robot hanno imparato
Le dimostrazioni mostrano attività che richiedono una coordinazione sorprendentemente fine. Un robot con mani articolate è riuscito ad accendere un fiammifero; altri sistemi hanno assemblato un camion giocattolo, maneggiato oggetti e preparato una colazione con yogurt, banana e granola.
Un esempio particolarmente significativo riguarda un robot con cinque dita che ha imparato a sistemare carta da filtro in un imbuto e bagnarla utilizzando dimostrazioni umane, senza avere eseguito prima quello specifico compito. Il successo in quella prova è stato del 65%, un valore che rende evidente sia il potenziale sia il margine di miglioramento.
Per lavori composti da molti passaggi, NVIDIA combina GR00T 2 con un modello di ragionamento che suddivide l’attività in operazioni più piccole e può aiutare a correggere gli errori. Questa soluzione migliora l’affidabilità di alcune sequenze, ma introduce tempi di attesa aggiuntivi.
GR00T 2 Turbo: l’IA entra direttamente nei robot umanoidi
NVIDIA ha sviluppato anche GR00T 2 Turbo, una versione più compatta progettata per funzionare sull’hardware integrato dei robot umanoidi, come la piattaforma Jetson Thor. Nei test riportati, il sistema ha impiegato circa 124 millisecondi per una previsione.
Un robot equipaggiato con questa variante è riuscito a servire popcorn in 48 prove su 48 e a liberare un tavolo nel 93% dei tentativi. Non tutte le operazioni hanno però funzionato altrettanto bene: asciugare un liquido con un panno sotto il piede è riuscito in meno della metà dei tentativi.
Il modello non utilizza ancora direttamente tutte le informazioni tattili e può trascurare errori piccoli ma decisivi, come una vite avvitata soltanto a metà. Quando interviene un sistema di pianificazione più complesso, il robot può inoltre fermarsi per diversi secondi prima di prendere una nuova decisione.
Foxconn, Siemens e lavanderie: i primi impieghi industriali
La tecnologia non è destinata soltanto ai laboratori. Foxconn sta applicando GR00T 2 all’automazione della produzione di server, Siemens ne valuta l’impiego industriale e Nexuni lo sperimenta nella manipolazione di indumenti nelle lavanderie. Sono applicazioni e valutazioni in corso, non la prova che il sistema sia già pronto a sostituire indiscriminatamente i lavoratori.
La possibilità di insegnare nuove attività con pochi esempi potrebbe rendere i robot più adattabili a contesti dove gli oggetti cambiano spesso. Ma sicurezza, precisione, costi, manutenzione e affidabilità fuori dal laboratorio restano ostacoli concreti.
Quando sarà disponibile e perché è un passo importante
NVIDIA prevede di rendere disponibili il codice e i pesi di GR00T 2 e della variante Turbo nel dicembre 2026, insieme a strumenti per trasferire competenze tra robot differenti. Il materiale video già condiviso costituisce una risorsa per ricercatori e sviluppatori.
La vera rivoluzione non è un robot che sa fare tutto, ma un robot che potrebbe imparare molto più rapidamente ciò che ancora non sa fare. GR00T 2 mostra quanto l’osservazione del mondo reale possa diventare una forma di addestramento per le macchine. I risultati sono ancora sperimentali, ma indicano una direzione precisa: meno programmazione manuale per ogni singolo gesto e più capacità di adattamento.
Ti potrebbe interessare:
Segui guruhitech su:
- Google News: bit.ly/gurugooglenews
- Telegram: t.me/guruhitech
- Facebook: facebook.com/guruhitechfb
- X (Twitter): x.com/guruhitech1
- Bluesky: bsky.app/profile/guruhitech.bsky.social
- Rumble: rumble.com/user/guruhitech
- VKontakte: vk.com/guruhitech
- MeWe: mewe.com/i/guruhitech
- Skype: live:.cid.d4cf3836b772da8a
- WhatsApp: bit.ly/whatsappguruhitech
Esprimi il tuo parere!
Che ne pensi di questa notizia? Lascia un commento nell’apposita sezione che trovi più in basso e se ti va, iscriviti alla newsletter.
Per qualsiasi domanda, informazione o assistenza nel mondo della tecnologia, puoi inviare una email all’indirizzo [email protected].
Che ne pensi?
Scopri di più da GuruHiTech
Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.
