NVIDIA apresenta no CoRL o GR00T 2 e ferramentas de simulação para ensinar robôs a manipular objetos delicados

Estágio: pesquisa e demonstração, com testes iniciais de parceiros. A NVIDIA usou a Conference on Robot Learning (CoRL), em Austin, para apresentar o GR00T 2, um world action model aberto construído sobre o Cosmos. Segundo a empresa, o modelo concluiu pelo menos uma vez 40 de 50 tarefas avaliadas sem demonstrações específicas. Com uma demonstração por tarefa, chegou a 71% de sucesso médio, e a 95% com cinco. A fonte não informa teleoperação nem vídeo acelerado nesses números.

O peso maior está na simulação. O Isaac Lab 3.0, integrado ao Newton, passa a modelar objetos deformáveis como cabos e tecidos e mãos com muitas juntas. Em um benchmark de manipulação destra baseada em visão, a empresa relata até 2,5 vezes mais throughput de treino que o Isaac Lab 2.3 com PhysX. Os parceiros estão em fase de teste: Nexuni (roupas), Foxconn (servidores) e Siemens (avaliação). A MicroAGI treina o GR00T 2 com reinforcement learning para trocar cabos Ethernet com um braço YAM. Não há dados de unidades em operação nem de tempo de uso.

A cobertura anterior do CEVIU já mostrava a NVIDIA apostando em agentes e simulação para robótica. Em 7 de junho de 2026, o CEVIU noticiou "NVIDIA lança habilidades de agentes para IA física e acelera pesquisa em veículos autônomos, robótica e visão computacional", e em 19 de junho de 2026, "Nvidia libera framework ENPIRE como open-source para robôs autônomos treinados por IA", com agentes de codificação ensinando robôs. Agora a ideia aparece sob o nome agentic robotics, com a API do GR00T 2 permitindo que agentes encadeiem skills e se recuperem de erros. Em 7 de junho de 2026, o CEVIU também registrou "NVIDIA Research avança em grasping robótico, condução autônoma e treinamento em larga escala de agentes", com foco em agarrar objetos desconhecidos. A manipulação fina em simulação é a continuação desse caminho.

Para quem trabalha com manipulação, a leitura é que o gargalo se desloca de locomoção para contato e deformação. Simular cabos e tecidos com fidelidade é pré-requisito para transferir políticas ao robô real. Os números de sucesso com poucas demonstrações são resultados da própria NVIDIA em benchmarks e ainda não equivalem a operação em fábrica.