Hilos · 5 noticias en 22 días
Robótica: Nvidia presenta GR00T 2 en CoRL, un world action model de 2.000 millones de parámetros que aprende de video humano y llega a 95% de éxito con cinco demostraciones por tarea (10/11)
- Noticias
- 5
- Briefings
- 5
- Empieza
- Última
-
Robótica: Dream Labs levanta 90 millones seed y abre una API de modelo fundacional para robots a 0,75 dólares la hora (19/10)
La fundaron ex líderes del equipo GR00T de Nvidia y la ronda la lidera B Capital, con A.Capital, Kindred, Unusual, SV Angel, Wing y Scribble. Dream-1 trata el control robótico como predicción de video —predice qué va a pasar en la escena y de ahí deriva la acción—, está entrenado con video egocéntrico humano de tareas cotidianas y, según la empresa, controla cualquier robot de dos brazos con pinzas paralelas out of the box, con una sola cámara y una instrucción en lenguaje natural. Lo que cambia el juego es el modelo de negocio: 3 dólares por hora para el flagship y 0,75 para el "flash" mueve los VLA del terreno de la integración a medida al de API medida por hora. Los números de desempeño son de la empresa y no tienen verificación independiente: alrededor de 80% de éxito zero-shot en pick-and-place, 50-60% en otras tareas, más de 20 socios de hardware, y la afirmación de que el tiempo de adaptación bajó de 100.000 horas a 30 minutos de datos de robot. La mezcla de datos de entrenamiento es propietaria y no hay benchmarks de terceros ni resultados de clientes. Forbes
-
Robótica: Nvidia presenta en GTC Berlin el humanoide de referencia Agile ONE SN y pone Isaac Lab 3.0 en disponibilidad general (21/10)
El robot lo hace Agile Robots sobre Isaac GR00T y Jetson Thor: 1,40 metros, 40 kilos, 31 grados de libertad, 3 kilos de carga por brazo, dos manos WUJI Hand 2 de cinco dedos con 20 grados de libertad cada una, control de fuerza a 1 kHz y sensado táctil, más 2.070 teraflops FP4 y 128 GB de memoria unificada de cómputo. Alrededor del hardware viene la parte reutilizable: Isaac Lab 3.0 —framework open source de aprendizaje robótico con multi-GPU y los motores físicos Newton y PhysX— pasa a disponibilidad general, se suma Isaac OS como runtime sobre Holoscan, y hay tres workflows de referencia abiertos para DGX Station, entre ellos refinar modelos GR00T 1.7 con refuerzo y post-entrenar modelos de mundo Cosmos para generar datos sintéticos. Los activos son lo más aprovechable hoy: la SimReady Central Library con más de 2.000 assets de robótica y fábrica listos para simulación en Hugging Face, con piezas de Comau, FANUC, Franka, Universal Robots y Vertiv. Dos límites: el Agile ONE SN recién llega a principios de 2027 y el Human 1M Dataset está publicado en Hugging Face pero completo solo para socios de la Cosmos Coalition. Nvidia
-
Robótica: Teradyne se asocia con Sereact y pone brazos UR a procesar devoluciones de Zalando en Alemania y Polonia (25/10)
Lo anunciaron en GTC Berlín: la plataforma Cortex de Sereact maneja brazos de Universal Robots en sistemas de doble brazo, y las empresas dicen haber entregado ya cientos de robots a sitios de clientes en Europa. El despliegue concreto es con CEVA Logistics para Zalando, procesando devoluciones de ropa de forma autónoma en los centros de Greven y Świebodzin, y el argumento de venta es regulatorio: la normativa europea contra destruir o tirar mercadería devuelta empuja a reacondicionar para revender. El stack es íntegramente Nvidia —entrenamiento en Isaac Sim con los world models Cosmos, post-entrenamiento con RL en Isaac Lab, inferencia en Jetson Thor en la celda y desarrollo de sitio en DGX Spark—, y Teradyne aporta assets OpenUSD SimReady de UR y MiR a la biblioteca SimReady Central en Hugging Face. Lo que no hay es ningún dato cuantitativo: ni throughput, ni precisión de picking, ni uptime, ni cuántos robots son "cientos". The Robot Report
-
Evals: WorldOracle mide si los world models predicen lo que de verdad pasó, y ahí se caen con los objetos (27/10)
Lo armaron investigadores de Princeton, UT Austin, Universidad de Toronto, NVIDIA y AGIBOT, y la plataforma abrió a desarrolladores el 16 de octubre. El método es directo: arranca el modelo desde el mismo cuadro inicial y la misma secuencia de acciones de una ejecución real grabada y puntúa el video predicho contra esa grabación, con el detalle que lo hace honesto —predecir correctamente un fracaso cuenta como acierto, y agarres fallidos, caídas y derrames están incluidos, así que mide si el modelo sigue las acciones o asume éxito por default—. El hallazgo que importa: el movimiento del brazo se predice relativamente bien pero las posiciones y movimientos de los objetos se desvían bastante, con IRASim en 78,8 de brazo contra 29,1 de objeto y Cosmos 3 en 89,4 contra 45,4. Y el rendimiento se derrumba sobre secuencias completas: en WorldOracle-SV, DreamDojo cae de 50,56 a 27,08 y Cosmos 3 de 53,99 a 26,60, mientras GE-Sim 2.0 va de 73,86 a 63,33, el mejor puntaje y la caída más chica en los dos horizontes. El diseño cubre robots AGIBOT G2 y YAM más manipulación con mano humana en primera persona, con tareas de objetos rígidos, deformables, fluidos y articulados, y tres pistas: Core con los primeros 30 segundos de trayectorias teleoperadas, Policy con episodios completos de políticas autónomas y Long con secuencias largas. La validación humana es buena: 119 participantes compararon 128 pares de videos predichos y las métricas coincidieron con sus elecciones entre 88,1% y 93,2% de las veces. Las dos salvedades: cada predicción se compara contra una sola grabación real, y fluidos, objetos deformables y contacto estocástico pueden tener varios resultados plausibles que una referencia no captura; y los datos de entrenamiento difieren por embodiment, así que los puntajes entre settings no sirven para juzgar dificultad ni generalización cruzada. Hay paper en arXiv (2610.18826), y acepta modelos de pesos abiertos y cerrados. Ojo con el encuadre: el artículo donde salió es contenido patrocinado provisto por el propio equipo de WorldOracle. Humanoids Daily · arXiv
-
Robótica: Nvidia presenta GR00T 2 en CoRL, un world action model de 2.000 millones de parámetros que aprende de video humano y llega a 95% de éxito con cinco demostraciones por tarea (10/11)
Está construido sobre Cosmos y predice los próximos frames de video y las acciones del robot en una sola pasada, para después ejecutarlas. La variante Turbo tiene los mismos parámetros pero unas cuatro veces menos tokens espaciales de video, lo que la hace corrible a bordo: 124 ms por predicción en un Unitree G1 con Jetson AGX Thor. La curva sobre 50 tareas con un robot bimanual y manos Sharpa es 40% zero-shot, 71% con una demostración por tarea y 95% con cinco, donde la adaptación es un fine-tune LoRA de 30 minutos en una sola RTX 5090. Lo más interesante es la adaptación cross-embodiment: una persona armó un camión de juguete con grippers UMI y el modelo, ajustado solo con esos datos humanos, completó el armado con un robot a unos 60% de éxito; también aprendió a cortar banana desde un exoesqueleto DexUMI, sin datos de robot. Viene con Isaac Lab 3.0, que deja elegir entre los solvers PhysX y Newton y reclama hasta 2,5 veces el throughput de entrenamiento de la versión 2.3. Los pesos de GR00T 2 y Turbo salen en diciembre, sin términos de licencia publicados todavía; SimFoundry 1.0, el framework ASPIRE y el dataset egocéntrico Human-1M-100K ya están disponibles, y Foxconn, Siemens, Nexuni y MicroAGI figuran como primeros usuarios. El asterisco lo marcó la prensa: Nvidia no nombra cuáles son las 50 tareas del benchmark. Nvidia · Humanoids Daily · Tech Times
El hilo se arma solo en cada build: junta noticias de días distintos que nombran a la misma entidad y repiten vocabulario que casi no aparece en el resto del archivo. Nadie lo edita a mano, así que puede dejar afuera una noticia o sumar una de al lado.