Prometheus brachte den Menschen das Feuer und wurde dafür mit ewigen Qualen bestraft. NVIDIA hat es nun einem Roboter beigebracht – vermutlich primär für einen ordentlichen Push der Quartalszahlen. Das GEAR-Lab (Generalist Embodied Agent Research) des Tech-Giganten hat kürzlich ein Video seines Projekts GR00T-2 veröffentlicht, und was man dort sieht, ist eine Lektion in beunruhigend präziser Manipulation. Wir reden hier nicht von einem klobigen Automaten, der tollpatschig mit Bauklötzen hantiert; wir sehen einen zweihändigen Roboterarm, der ein Streichholz anreißt, einen Spiritusbrenner entzündet und eine Schere mit einer Ruhe führt, von der Ihre kaffee-zittrigen menschlichen Hände nur träumen können.
Jahrelang biss sich die Robotik-Industrie die Zähne am sogenannten „Last-Mile-Problem“ der Feinmotorik aus. Wir haben Roboter, die Autos heben und durch Lagerhallen navigieren können, aber verlangt man von ihnen, einen Faden einzufädeln oder ein USB-Kabel einzustecken, könnte man sie genauso gut bitten, die Postmoderne zu erklären. Genau das macht die GR00T-2-Demonstration so bahnbrechend. Es ist ein Frontalangriff auf die Barriere der Feinmotorik und zeigt ein Level an Geschicklichkeit, das Roboter weg von Single-Task-Maschinen und hin zu echten Allzweckwerkzeugen rückt.
Das Gehirn hinter den Muskeln
Die wahre Magie liegt hier nicht in der maßgeschneiderten, kostengünstigen Hardware. Es ist das KI-Modell, das im Hintergrund die Fäden zieht. GR00T-2 ist das, was NVIDIA als „World-Action Model“ (WAM) bezeichnet – eine Evolutionsstufe über den Vision-Language-Action-Modellen (VLA), die das Feld zuletzt dominierten. Anstatt nur die nächste Aktion vorherzusagen, antizipiert GR00T-2 künftige Videoframes und die Handlungen, die zu ihnen führen. Im Grunde lernt die KI ein Modell physischer Konsequenzen – eine Intuition dafür, wie ihre Bewegungen die Welt verändern werden.
Dieses Modell wurde mit einem kolossalen und vielfältigen Datensatz vortrainiert: über 400.000 Stunden Ego-Perspektiv-Videos von Menschen, ergänzt durch zehntausende Stunden Roboter-Teleoperationsdaten. Dieser „Cross-Adaptation“-Ansatz, getauft auf den Namen X-Adapt, ermöglicht es dem Roboter, Fähigkeiten allein durch das Beobachten von Menschen zu erlernen, selbst wenn er die Aufgabe noch nie zuvor ausgeführt hat. Ein Beispiel: GR00T-2 lernte, ein Filterpapier in einem Labortrichter zu platzieren, mit einer Erfolgsquote von 65 % – allein durch das Anschauen von menschlichen Videos.
Die Ergebnisse sind verblüffend effektiv. Ohne jegliche aufgabenspezifische Vorführung konnte GR00T-2 40 von 50 evaluierten Aufgaben mindestens einmal erfolgreich abschließen. Mit nur einer einzigen Demonstration sprang die durchschnittliche Erfolgsquote auf 71 %. Gibt man ihm fünf Demonstrationen – weniger als drei Minuten Datenmaterial pro Aufgabe –, schießt dieser Wert nach einer kurzen Fine-Tuning-Session auf satte 95 % hoch.
Vom Labor in die Fabrikhalle
Streichhölzer anzuzünden ist zwar ein netter Partytrick, aber NVIDIA und seine Partner haben weitaus praktischere Anwendungen im Visier. Die von GR00T-2 gezeigte Fingerfertigkeit ist entscheidend für Aufgaben in der Fertigung, Logistik und sogar im Gastgewerbe. Die Fähigkeit, verformbare Objekte wie Kabel und Stoffe zu handhaben – ein neues Feature, das durch die aktualisierte Simulationsplattform Isaac Lab 3.0 und deren Newton-Physik-Engine ermöglicht wird –, stößt das Tor zu einer neuen Ära der Automatisierung auf.
Industriegiganten sind bereits hellhörig geworden. Foxconn setzt GR00T-2 ein, um die Serverfertigung zu automatisieren, während Siemens das Modell für eine ganze Reihe industrieller Anwendungen prüft. Das Unternehmen Nexuni testet das Modell sogar für die Sisyphusarbeit des robotergestützten Wäschefaltens. Das sind keine bloßen Laborexperimente mehr; es sind handfeste Schritte in Richtung des Einsatzes von Generalist-Robotern in komplexen, realen Umgebungen.
Dieser Vorstoß ist Teil von NVIDIAs umfassender Strategie, zum zentralen Nervensystem der gesamten Robotik-Branche zu werden. Indem das Unternehmen die Basismodelle (GR00T), die Simulationsumgebungen (Isaac Lab) und die Onboard-Computer (Jetson Thor) liefert, baut es ein Ökosystem auf, das die Entwicklung autonomer Maschinen massiv beschleunigen soll.
Ein beunruhigender Blick in die Zukunft
Ist dies also der „ChatGPT-Moment“ für die Robotik, den CEO Jensen Huang prophezeit hat? Noch nicht ganz, aber die Lunte brennt definitiv. Die Kombination aus immer ausgefeilteren Foundation-Modellen, hyperrealistischer Simulation und der Fähigkeit, aus riesigen, roboterfremden Datenquellen zu lernen, erzeugt eine Feedback-Schleife rasanten Fortschritts.
Die GR00T-2-Präsentation ist mehr als nur eine beeindruckende Tech-Demo; sie ist eine Absichtserklärung. Sie zeigt, dass sich der Flaschenhals der Robotik von der Hardware zur Software verschiebt – weg von spezialisierter Ingenieurskunst, hin zu skalierbarer KI. Momentan zündet GR00T-2 nur Laborequipment unter kontrollierten Bedingungen an. Morgen könnte er bereits Ihre Elektronik zusammenbauen, Ihre Pakete sortieren oder sogar – man wagt es kaum zu hoffen – ein Spannbettlaken korrekt zusammenlegen. Das wäre mal ein echter Durchbruch.