Épp amikor azt hitted, hogy egy humanoid robot betanításához egy kisebb ország GDP-je és egy hadseregnyi PhD-fokozatos tudós kell, az NVIDIA előállt a Project GR00T 1.7-tel. Ez a vállalat első olyan nyílt, kereskedelmi célokra is szabadon használható alapmodellje, amelyet kifejezetten humanoid robotok képességeinek fejlesztésére terveztek. A megengedő Apache 2.0 licenc alatt közzétett „Generalist Robot 00 Technology” lényegében egy előre betanított digitális agy, amelyet a fejlesztők saját hardvereikre szabhatnak. Ez a megközelítés már nem az „őskáoszból való tudatépítésről” szól, hanem sokkal inkább arról, mintha egy zseniális frissdiplomást küldenénk egy elit továbbképzésre.
Az új verzió jelentős előrelépést jelent: elképesztő, mintegy 32 000 órányi valós emberi demonstrációs adaton és 8000 órányi szimulált folyamaton edződött. A rendszer lelke egy új Vision-Language Model (VLM) gerinc, a Cosmos-Reason2-2B, amely a korábbi verzió motorját váltja le a még kifinomultabb vizuális értelmezés érdekében. Kritikus szempont, hogy ez nem csupán egy steril laboratóriumi játékszer; az NVIDIA teljes ONNX és TensorRT exportálási lehetőséggel tette gördülékennyé a bevetést, elsimítva a szimuláció és a fizikai valóságban botladozó robotok közötti, gyakran rögös utat.
A teljesítményt mérő benchmarkok is önmagukért beszélnek, folyamatos fejlődést mutatva az elődhöz képest. A leglátványosabb a DROID-F6 teszten elért masszív, 61%-os javulás, ami jelentősen erősebb általánosítási képességeket jelez. Aki pedig szeretné összemocskolni a kezét a kóddal, az már most rávetheti magát a 3 milliárd paraméteres alapmodellre és annak forráskódjára a GitHubon és a Hugging Face felületén.
Miért fontos ez?
Azzal, hogy a GR00T 1.7-et az Apache 2.0 licenc oltalma alatt szabadon hozzáférhetővé tette, az NVIDIA nem csupán egy új eszközt adott a kezünkbe: ez egy tudatos stratégiai lépés, hogy ők váljanak a humanoid robotok következő hullámának alapértelmezett operációs rendszerévé. Ez a lépés drasztikusan csökkenti a robotintelligencia fejlesztésének hatalmas költségeit és komplexitását, lehetővé téve a startupok és egyetemi laborok számára, hogy egy szilícium-óriás vállára álljanak, ahelyett, hogy újra fel kellene találniuk a kétlábú kereket. Az üzenet egyértelmű: ti építsétek meg a testet, mi adjuk hozzá az észt.