NVIDIA hat mit der Einführung von Isaac GR00T-Dreams einen bedeutenden Fortschritt in der humanoiden Robotik erzielt. Diese revolutionäre Blaupause zur Erzeugung synthetischer Bewegungsdaten verspricht, die Art und Weise, wie Roboter den Umgang mit ihrer Umwelt erlernen, grundlegend zu verändern.
Vorgestellt auf der Computex 2025, ermöglicht GR00T-Dreams Entwicklern, enorme Mengen an Trainingsdaten in einem Bruchteil der bisher benötigten Zeit zu generieren. Die Technologie funktioniert, indem zunächst NVIDIAs Cosmos Predict World Foundation-Modelle für spezifische Roboter nachtrainiert werden. Anschließend werden aus nur einem einzigen Bild als Eingabe Videos erzeugt, in denen Roboter neue Aufgaben in unterschiedlichen Umgebungen ausführen. Daraus werden Aktions-Tokens extrahiert, die den Robotern beibringen, wie sie diese Aufgaben umsetzen können.
NVIDIA Research demonstrierte die Leistungsfähigkeit der Technologie, indem GR00T-Dreams zur Entwicklung von GR00T N1.5 – einem Update des eigenen Foundation-Modells für humanoide Roboter – in nur 36 Stunden eingesetzt wurde. Ein Prozess, der manuell fast drei Monate gedauert hätte. Dies entspricht einer Leistungssteigerung von 40 Prozent im Vergleich zur ausschließlichen Nutzung realer Daten.
„Physische KI und Robotik werden die nächste industrielle Revolution einleiten“, sagte Jensen Huang, Gründer und CEO von NVIDIA, der physische KI wiederholt als „die nächste Billionen-Dollar-Industrie der Welt“ bezeichnet hat. Das Unternehmen baut gezielt eine umfassende Software- und Hardware-Infrastruktur auf, um diese Revolution voranzutreiben – von KI-Gehirnen für Roboter über Simulationsumgebungen bis hin zu Supercomputern für das Training von Foundation-Modellen.
Zu den frühen Anwendern von NVIDIAs humanoider Robotik-Technologien zählen Branchenführer wie Boston Dynamics, Agility Robotics, Foxconn und NEURA Robotics. Diese Unternehmen setzen GR00T-Dreams und verwandte Technologien ein, um die Entwicklung von Robotern für industrielle Anwendungen zu beschleunigen – von Fertigung und Materialhandling bis hin zur späteren Automatisierung im Haushalt.
Dieser Durchbruch adressiert eine grundlegende Herausforderung in der Robotikentwicklung: den kostspieligen und zeitaufwändigen Prozess der Sammlung hochwertiger Trainingsdaten. Durch die Generierung synthetischer Daten, die reale Szenarien realitätsnah abbilden, hilft NVIDIA, die Lücke zwischen Simulation und Realität zu schließen und könnte so den Zeitplan für den breiten Einsatz humanoider Roboter in der Industrie deutlich verkürzen.