NVIDIA presentó GR00T 2 el 9 de noviembre de 2026, durante la conferencia de aprendizaje robótico CoRL. La propuesta conecta dos problemas: anticipar cómo cambiará una escena y decidir las acciones que debe ejecutar un robot. Para equipos que investigan automatización física, el interés está en aprovechar demostraciones humanas y datos de distintos robots para aprender habilidades.
Hay una condición importante antes de planificar una integración: la página de investigación anuncia el código para diciembre. La presentación del modelo y sus demostraciones no acreditan una descarga pública disponible hoy, ni concretan por sí solas la licencia y la fecha de entrega de sus pesos.
Predecir la escena y el movimiento en el mismo modelo
La presentación técnica de GR00T 2 lo define como un modelo de mundo y acción, o world-action model. Recibe vídeo reciente, una instrucción y el estado del robot. Predice conjuntamente vídeo futuro y un bloque de acciones, ejecuta ese bloque y repite el proceso.
El cambio de enfoque consiste en aprender también cómo evolucionan las interacciones físicas. La página muestra aplicaciones con pinzas, manos con varios dedos y humanoides, entrenadas con una mezcla de vídeo humano, demostraciones con dispositivos manuales y datos de robots teleoperados.
NVIDIA muestra transferencia de habilidades entre esos tipos de demostración y distintos cuerpos robóticos. Eso no significa que cualquier robot pueda imitar cualquier vídeo sin adaptación: siguen importando sus articulaciones, cámaras, estado y datos de entrenamiento. Son demostraciones del fabricante, no pruebas realizadas por Puntoes.
Un agente puede encadenar habilidades
El anuncio oficial de CoRL describe agentes que utilizan una interfaz de programación y herramientas para ejecutar habilidades en secuencia y recuperarse de errores. La página de investigación separa el modelo de razonamiento que dirige una tarea del componente que produce acciones robóticas.
Esa separación ayuda a entender el alcance. Una instrucción como «recoge y ordena estas piezas» necesita descomponerse, relacionarse con la percepción de la escena y convertirse en acciones compatibles con el cuerpo del robot. Una respuesta verbal convincente no demuestra que la operación física vaya a terminar correctamente.
NVIDIA presenta también GR00T 2 Turbo, una variante orientada a reducir el coste de predicción y ejecutar componentes a bordo de un humanoide. Sus resultados corresponden a una configuración distinta: no deben mezclarse con los del modelo base para atribuir una misma capacidad a cualquier despliegue.
Vídeo generado, simulación y prueba física son evidencias diferentes
En las visualizaciones de arquitectura, NVIDIA distingue el vídeo observado del vídeo futuro generado por el modelo. Ese futuro representa una predicción; no es una grabación de algo que ya haya ocurrido. Es la misma precaución que explicamos al tratar las simulaciones interactivas de Genie 4: una escena plausible necesita validación si se pretende utilizar como evidencia física.
El anuncio sitúa Isaac Lab 3.0 entre las herramientas para entrenar y evaluar en simulación, con opciones de motores físicos como Newton y PhysX. Su repositorio publica la versión 3.0 como disponible de forma general. Esa disponibilidad es la del entorno de aprendizaje robótico; no convierte el anuncio de GR00T 2 en una entrega inmediata del modelo.
Qué comprobar antes de llevarlo a una tarea real
Pensemos en un ejemplo hipotético, no ejecutado: un equipo quiere que un brazo clasifique piezas y coloque un conector. Ver una demostración humana podría aportar datos para aprender la habilidad, pero faltaría comprobar el comportamiento ante cambios de posición, iluminación, cámaras y geometría de las piezas.
Como criterio editorial, proponemos definir el resultado aceptable y los fallos antes de evaluar: una pieza mal colocada, un intento que necesita intervención o una secuencia que se detiene cuentan de forma distinta. La simulación puede ayudar a explorar variaciones; el resultado debe contrastarse después con el robot y la tarea concretos, con supervisión adecuada.
No hemos ejecutado GR00T 2 ni medido sus resultados. La novedad verificada es la presentación de un modelo que combina predicción visual y acciones, acompañado de demostraciones y una fecha prevista para el código. Antes de comprometer un proyecto comercial habrá que confirmar la publicación efectiva, las licencias, los requisitos y la compatibilidad con el equipo utilizado.