11월 9일, 엔비디아는 미국 오스틴에서 열린 로봇 학습 학회 CoRL에서 로봇 파운데이션 모델 GR00T 2를 발표했다. 이번 업그레이드의 핵심 변화는 학습 방식이다. 로봇은 더 이상 실제 로봇 시연에만 의존하지 않고, 인간의 1인칭 시점 영상을 보고도 정교한 조작을 배울 수 있게 됐다. 엔비디아가 공개한 50개 과제 평가에서 모델은 과제별 시연 없이도 40개 이상의 과제를 최소 한 번씩 완료했고, 과제당 1회 시연 시 평균 성공률 71%, 5회 시연 시 95%를 기록했다.
GR00T 2는 엔비디아 Cosmos 플랫폼 기반의 개방형 월드 액션 모델로, 파라미터 수는 20억 개다. 학습 데이터에는 10만 시간 분량의 엔비디아 오픈소스 인간 1인칭 시점 영상이 포함되며, 함께 공개되는 Human-1M-100K 데이터셋은 CC BY 4.0 라이선스로 공개돼 상업적 이용이 가능하다. 인간 시연에서 배운 기술을 서로 다른 형태의 로봇에 전이할 수 있고, AI 에이전트는 API를 통해 여러 기술을 연결해 실행하고 오류에서 스스로 복구할 수 있다. 엔비디아에 따르면 GR00T 2는 RoboCasa365, RoboLab, RoboDojo, MolmoSpaces 네 가지 벤치마크에서 모두 상위 3위 안에 들었다. 함께 발표된 것은 오픈소스 시뮬레이션 학습 프레임워크 Isaac Lab 3.0과 산업용 평가 벤치마크 DexBench, VABAR이다.
이미 도입을 시도하는 곳들은 모두 공장 및 서비스 현장을 향하고 있다. 폭스콘은 서버 제조 자동화에 GR00T 2를 적용하고 있고, 지멘스는 산업 현장 활용을 평가 중이며, 넥수니는 로봇 세탁물 처리를 시험하고, 마이크로AGI는 이더넷 케이블 교체 작업에 쓰고 있다. 로봇 팀에게 진짜 변화는 데이터 비용이다. 사람이 일하는 모습을 촬영하는 것이 실제 로봇으로 시연을 반복하는 것보다 훨씬 저렴해, 작은 팀도 학습 데이터를 모을 수 있게 됐다. 다만 95%는 통제된 테스트에서의 수치일 뿐, 생산 라인에서는 한 번의 실수가 라인을 멈출 수 있어 안정적인 도입까지는 아직 거리가 있다. "영상을 보고 배우는" 방식이 엔비디아만의 발상은 아니다. 구글 Gemini 4 Argon도 영상을 보고 던지기를 배웠고, 행원 Chorus는 인간 조작 영상을 그대로 로봇 학습 데이터로 바꾼다.
다음으로 주목할 시점은 12월이다. 엔비디아 연구 페이지에 따르면 모델 코드는 12월에 공개될 예정이며, 가중치와 학습 방법이 함께 공개되는지, 라이선스는 어떻게 정해지는지는 그때 확인될 것이다. DexBench와 VABAR에서의 제3자 평가도 기다릴 만하다. 엔비디아 자체 수치는 다른 회사의 로봇에서 재현돼야 비로소 의미가 있다. CoRL은 11월 9일부터 12일까지 오스틴에서 열리며, 엔비디아 로봇 부문 책임자 짐 판이 기조연설을 했다.
