![KI-Symbolbild: Parallelgreifer hält ein Bauteil über einer Montagevorrichtung. [Bildinhalt mit KI erstellt]](https://alpha-bionic.info/wp-content/uploads/2026/11/groot-2-ki-symbolbild.webp "NVIDIAのロボットAI、5回の実演で何が変わるのか 1 [Bildinhalt mit KI erstellt]")
NVIDIAは11月9日、ロボット学習の国際会議CoRLでGR00T 2を発表した。少ない実演で新しい操作課題にロボットを適応させるモデルだ。同社の実験では、課題ごとに5回の実演を与えると平均成功率が40％から95％に上がった。ただし、これはメーカーの研究結果であり、工場での連続安定稼働を証明するものではない。
冒頭画像：Alpha BionicがAIで独自制作したイメージ。組立作業を象徴的に描いたもので、GR00T 2の実験写真ではない。
In this article
意味の違う三つの数字
研究ページは、対象ロボットでは実演されていない50課題を説明している。ただし、関連する技能は人間の動画や別のロボットのデータに含まれていた。ゼロショットは、事前知識なしという意味ではない。
- 50課題中40課題：対象ロボット向けの課題別実演なしで、それぞれ少なくとも一度は成功した。
- 40％：ゼロショット試行の成功率。課題のカバー率40/50から80％の試行が成功したと読み替えることはできない。
- 95％：課題ごとの5回の実演と追加適応後の平均値。実演1回では71％だった。
一度の成功は、能力が存在し得ることを示す。繰り返し成功することは、試験条件の下でその能力をどれだけ再現できるかを示す。どちらも、部品、照明、外乱が変わる状況の検証に代わるものではない。
追加データが少ないことと総学習量は別
GR00T 2は将来の映像とロボットの動作を同時に予測する世界・動作モデルだ。NVIDIAによると、上記の適応に必要なロボットデータは3分未満で、RTX 5090を1枚使う約30分の微調整で済む。ただし、その前段階で人間の動画やロボットデータを大量に使った事前学習を行っている。5例だけから全ての器用さを身につけるわけではない。
事前学習済みモデルに必要な技能が含まれていれば、企業が自ら集める実演を減らせる可能性がある。それでも記録、確認、システム統合、失敗分析は必要だ。モデルの適応に30分という数字は、30分で生産設備が完成することを意味しない。
試験導入で測るべきこと
本誌の見方では、重要なのは課題別データの負担が減る可能性だ。平均成功率だけでは導入判断に粗すぎる。試験導入では三つの問いを確認したい。
- どんな失敗が残るか。部品の落下とワークの損傷は、同じ失敗でも費用が違う。
- どこまで応用できるか。部品、位置、照明を実演時と変え、既知の場面の再現だけにならないようにする。
- 監督の負担はどれほどか。成功回数とともに、人の介入、再起動、不良品、サイクル時間を記録する。
Alpha Bionicはモデルを実機評価していない。数値はNVIDIA自身の発表に基づく。研究ページではコード公開を12月としており、予定の発表と現在利用できる実装は区別すべきだ。
ハードウェアの背景はUnitree H2 Plus参照ロボットの記事（ドイツ語）で扱った。今回の焦点はモデルの世代と適応性である。少数の追加実演による利点が、個々の作業セルの失敗条件でも保たれるかが決定的な問いとなる。
出典
- NVIDIA：CoRLでの発表、2026年11月9日。
- NVIDIA Research：GR00T 2の手法と結果、2026年11月。