Edizione n° 0063 · venerdì 13 novembre 2026 5 nuovi articoli in 7 giorni

Robot, umanoidi e macchine intelligenti

Contattaci

NVIDIA presenta GR00T 2 e Isaac Lab 3.0 per i robot

Di Redazione Positronica Pubblicato 12.11.2026 5 min di lettura Cat 01 / UMA-062
NVIDIA presenta GR00T 2 e Isaac Lab 3.0 per i robot Fig. 62 / Tav. 0062
Schema di sezione: illustrazione tecnica generata, non la fotografia di una macchina reale.
In sintesi: la risposta in tre frasi

NVIDIA ha annunciato alla CoRL 2026 GR00T 2, il suo modello per far imparare ai robot gesti fini, e Isaac Lab 3.0, il framework open source per l'addestramento in simulazione. I dati dichiarati dall'azienda indicano alti tassi di successo con poche dimostrazioni umane, mentre le applicazioni industriali sono ancora in fase di test. La notizia arriva mentre il consiglio di NVIDIA indaga sull'amministratore delegato Jensen Huang.

Contenuto basato su comunicati stampa delle organizzazioni citate.

NVIDIA ha presentato il 9 novembre 2026, alla Conference on Robot Learning (CoRL) di Austin, in Texas, il modello GR00T 2 e la nuova versione 3.0 di Isaac Lab, il suo framework open source per l’apprendimento dei robot. Il progetto è chiaro: far imparare ai robot i gesti fini, come incastrare ingranaggi o collegare cavi, prima in simulazione e poi sul robot reale. L’azienda dichiara che GR00T 2 è stato addestrato su dati di robot e di esseri umani. Ha completato senza dimostrazioni specifiche 40 dei 50 compiti valutati almeno una volta. La notizia arriva in un momento delicato per NVIDIA, che lo stesso 8 novembre ha aperto un’indagine interna sul proprio amministratore delegato.

Cosa fa GR00T 2, il modello che i robot usano per imparare

GR00T 2 è quello che NVIDIA chiama un “world action model”. Il robot usa questo modello per capire cosa ha attorno. Il modello prevede anche come le azioni cambieranno l’ambiente ed esegue compiti in più passaggi. Tra questi dati, secondo la pagina di ricerca di NVIDIA dedicata a GR00T 2, ci sono 100.000 ore di filmati in prima persona di esseri umani. L’azienda ha reso open source quel materiale.

I numeri dichiarati da NVIDIA danno un’idea di quanto il modello sappia fare senza addestramento su misura. Con una sola dimostrazione umana per compito, il modello raggiunge in media il 71% di successo su 50 compiti. Con cinque dimostrazioni il tasso sale al 95%. NVIDIA dichiara anche che GR00T 2 riesce a trasferire le abilità apprese da un corpo robot a un altro, senza dimostrazioni fatte dal robot stesso. Nei test indipendenti RoboCasa365, RoboLab, RoboDojo e MolmoSpaces, il modello si collocherebbe tra i primi tre per tutte le categorie.

Le prime prove su casi reali sono in corso. Nexuni lo sta testando per la gestione della biancheria. Foxconn lo applica all’automazione di fabbrica per la produzione di server. Siemens lo sta valutando su casi industriali. MicroAGI lo usa per far cambiare cavi Ethernet a un braccio robotico YAM.

Isaac Lab 3.0 è il campo di addestramento della simulazione robotica

Il secondo pilastro dell’annuncio è Isaac Lab 3.0. È il programma open source con cui i ricercatori addestrano i robot al computer. Solo dopo montano il software sul robot fisico. La versione 3.0 permette di creare ambienti di addestramento più rapidamente, di scegliere tra due motori di fisica (PhysX di NVIDIA e Newton) e di applicare un nuovo sistema di post-addestramento a modelli come GR00T. La fisica accurata è ciò che permette a un’abilità appresa in simulazione di funzionare sul robot vero.

Il legame con Newton, il motore di fisica open source di NVIDIA, è più stretto: ora la simulazione sa riprodurre oggetti deformabili come cavi e tessuti, e sistemi complessi come mani robotiche con molti giunti che interagiscono. NVIDIA cita l’esempio della fragola che si deforma sotto la presa del robot. In una prova di manipolazione precisa basata sulla visione, Isaac Lab 3.0 con Newton ha raggiunto fino a 2,5 volte la quantità di addestramento a parità di tempo rispetto alla versione 2.3 con PhysX, secondo l’azienda.

A CoRL anche i partner hanno mostrato risultati. Skild AI ha annunciato STEEL, un nuovo motore di fisica costruito su Newton per accelerare l’addestramento. Flexion ha mostrato come usa Isaac Lab e Newton per addestrare Reflect, il suo modello che unisce ragionamento e manipolazione con tutto il corpo. Dyna Robotics dimostrerà come la simulazione parallela in Isaac Lab addestra i controllori del suo robot semi-umanoide Taku, destinato a magazzini, hotel e ristorazione.

I numeri della precisione: un solo programma per 20 compiti

Il progetto AlphaNIST mostra a che punto è la precisione. È un unico programma di controllo che impara tutti i 20 compiti della NIST Assembly Task Board, una scheda con pezzi di pochi millimetri da incastrare. Il programma usa solo un segnale di successo sì o no. Secondo NVIDIA raggiunge più del 98% di successo in addestramento, contro l’81% di programmi separati per ogni compito. Usa circa 39 volte meno tempo di calcolo sulle GPU. Con questo metodo l’addestramento può superare il milione di ambienti simulati in parallelo. Dietro il risultato c’è il Success-Guided Sampling. Il metodo è stato sviluppato dall’Università di Washington con NVIDIA. La pratica si concentra sui compiti completati circa una volta su due, cioè quelli che il robot sta ancora imparando.

Come si misura se un robot è davvero adatto alla fabbrica

Saper fare un gesto non basta: serve farlo in condizioni che cambiano. NVIDIA ha quindi presentato Isaac Lab-Arena, un framework open source. Il framework valuta i programmi di controllo su migliaia di varianti in parallelo e mostra quali condizioni causano i fallimenti. Alla CoRL è arrivata l’anteprima per sviluppatori della versione 0.4.

Due nuove prove sono tra le prime pensate per compiti industriali. DexBench, sviluppata da RLWRLD con NVIDIA, contiene 15 compiti in 4 scene che coprono vendita al dettaglio, logistica, produzione e ospitalità. VABAR, della UC Berkeley con NVIDIA, valuta i robot su 6 compiti industriali con varianti standardizzate e livelli di difficoltà. Su DexBench lavorano già in accesso anticipato Genesis AI e mimic robotics. La prova si può eseguire su Manifold, la piattaforma di valutazione di Bifrost.

La UC Berkeley ha anche presentato Graph-as-Policy, un sistema per robot basato su agenti di intelligenza artificiale. Gli agenti collegano abilità singole in programmi. Li collaudano in simulazione e li correggono in base agli errori. I programmi restano leggibili dagli ingegneri, che li possono controllare prima dell’uso. “Per me la robotica agentica è lo sviluppo tecnologico più entusiasmante da internet nel 1995”, ha detto Ken Goldberg, professore di robotica a UC Berkeley. Ambi Robotics, Bosch Research e Siemens stanno valutando il sistema.

L’indagine sul board e gli investimenti in Corea del Sud

La presentazione arriva mentre NVIDIA attraversa una crisi interna. L’8 novembre il consiglio di amministrazione ha aperto un’indagine sul cofondatore e amministratore delegato Jensen Huang. Huang aveva riconosciuto al consiglio una relazione intima con una dirigente d’affari. I servizi segreti statunitensi avrebbero identificato quella dirigente come una spia cinese. In una dichiarazione del consiglio di amministrazione, il consiglio ha scritto di non avere “alcun motivo di ritenere che la sicurezza nazionale o i segreti di NVIDIA siano stati compromessi”.

Durante la CoRL, NVIDIA ha anche ospitato il MSIT-NVIDIA AI Startup Partnership Forum a COEX, in Corea del Sud. Qui l’azienda ha annunciato un investimento nella startup coreana Point2, con altri investimenti previsti in Motif Technologies, RLWRLD e Upstage.

Cosa resta da dimostrare

I numeri di GR00T 2 sono dichiarati da NVIDIA stessa e misurati nei suoi test: il 71% di successo con una dimostrazione e i 40 compiti su 50 sono dati del produttore, non verificati da terzi. Le applicazioni industriali con Foxconn, Siemens e Nexuni sono in fase di test o valutazione, non di produzione. La demo di Dyna Robotics sul robot Taku era annunciata per la CoRL, e la fonte non riporta come si sia svolta. Restano infine due fronti aperti dichiarati dall’azienda stessa. La sfida sul flusso Video to Data, che trasforma video umani in dimostrazioni simulate, è ancora in corso. L’esito dell’indagine del consiglio su Huang non è noto.

Fonti:

Punti chiave

  • NVIDIA ha presentato GR00T 2 e Isaac Lab 3.0 alla CoRL di Austin il 9 novembre 2026.
  • GR00T 2 raggiunge il 71% di successo su 50 compiti con una sola dimostrazione per compito, secondo NVIDIA.
  • Il progetto AlphaNIST impara 20 compiti di precisione con un solo programma e circa 39 volte meno tempo GPU.
  • Isaac Lab 3.0 con Newton raggiunge fino a 2,5 volte la quantità di addestramento della versione precedente.
  • Il consiglio di NVIDIA ha aperto un'indagine su Jensen Huang l'8 novembre.
  • Le applicazioni con Foxconn, Siemens e Nexuni sono in test o valutazione, non in produzione.
Redazione · risposta in 48 ore

Hai un dato che smentisce questo articolo?

Pubblichiamo le correzioni con la data di revisione. Se hai un numero, un listino o un documento, scrivici.

Contattaci Rispondiamo entro 48 ore · le correzioni escono con la data di revisione.

Firma

Redazione Positronica

Gli articoli sono firmati «Redazione Positronica»: di quello che viene pubblicato risponde l'editore. Se trovi un dato che non torna, segnalacelo dal modulo di contatto: correggiamo e spostiamo la data di revisione.