# NVIDIA stellt GR00T 2 World Action Model und Isaac Lab 3.0 bei CoRL 2026 für Dexterous Robotics vor

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/de/article/nvidia-unveils-gr00t-2-world-action-model-and-isaac-lab-at-2026-11-10-morning-de
Section: Drones & Robots (https://technewslist.com/de/drones-robotics)
Author: TechNewsList
Language: de
Published: 2026-11-10T06:23:31.537+00:00
Updated: 2026-11-10T06:23:31.540043+00:00

> Robotics: NVIDIA stellt GR00T 2 und Isaac Lab 3.0 auf der Konferenz zum Thema Robot Learning vor und verlagert die Robotik von der visuellen Reaktion auf vorausschauende physikalische Weltaktionsmodelle.

## TL;DR
- Auf der CoRL 2026 in Austin startete NVIDIA GR00T 2, eine offene World Action Model für feinkörnige Robotermanipulation.
- GR00T 2 nutzt einen einheitlichen Diffusionstransformator, der gleichzeitig zukünftige Videorahmen simuliert und motorische Gelenkbahnen vorhersagt.
- NVIDIA veröffentlichte auch Isaac Lab 3.0 mit dem Newton-Physics-Engine und steigerte den Simulations-Trainingsdurchsatz um bis zu 2,5 mal.

## Key points
- GR00T 2 wurde über 400.000 Stunden an heterogenen Demonstrationsdaten geschult, darunter Menschenvideos und Teleoperationen.
- Das Modell vollendete 40 von 50 bewerteten Manipulations-Benchmark-Aufgaben Null-Schuss, ohne ein aufgabenspezifisches Vortraining.
- Robotics: NVIDIA hat einen 100.000-stündigen egozentrischen menschlichen Manipulations-Datensatz über Hugging Face zur Beschleunigung der gemeinschaftlichen Robotikforschung erstellt.
- Robotics: Eine leichte Variante namens GR00T 2 Turbo liefert 124-Millisekunden Inferenzlatenz auf der Jetson Thor Robotik Rechenplattform.
- Die in Isaac Lab 3.0 integrierte Newton-Physik-Engine bietet eine hochtreue Simulation von verformbaren Materialien, Kabeln und Multi-Joint-Händen.

## Was passiert ist

Auf der jährlichen Konferenz zum Robot Learning (CoRL 2026) in Austin, Texas, gab der Halbleiter- und physikalische AI-Pionier NVIDIA eine Reihe von grundlegenden Ankündigungen heraus, die darauf abzielten, den heiligen Gral der verkörperten künstlichen Intelligenz zu knacken: feinkörnige, dextere Manipulation. Vor dem Hintergrund der Konferenzpräsentationen stellte NVIDIA GR00T 2 vor, ein Open-Forder-World Action Model (WAM), das entwickelt wurde, um mehrfingerige Roboterhände, industrielle Manipulatoren und humanoide Roboter zu steuern. Gleichzeitig kündigte das Unternehmen die allgemeine Veröffentlichung von Isaac Lab 3.0, seinem Open-Source-Robotersimulationsrahmen, aufgerüstet mit dem neu entwickelten Newton-Physik-Motor an.

Die Einführung von GR00T 2 markiert eine konzeptionelle Abkehr von den Vision-Language-Action-Modellen (VLA), die in den letzten drei Jahren die Robotikforschung dominierten. Während alte VLA-Netzwerke als reaktive Richtlinien betrieben wurden – Kamerapixel direkt auf unmittelbare Gelenkgeschwindigkeiten zu übertragen – wird GR00T 2 direkt auf den Weltmodellen der Cosmos-Stiftung von NVIDIA aufgebaut.Das Modell fungiert als vorausschauender physikalischer Weltsimulator und nutzt einen einheitlichen Diffusionstransformator, der gleichzeitig zukünftige sensorische Videorahmen halluziniert und entsprechende kontinuierliche Motorbefehle berechnet.

Um die Architektur über verschiedene Roboterverkörperungen hinweg zu schulen, erstellte NVIDIA einen massiven Datensatz mit über 400.000 Stunden heterogenen Demonstrationen, die egozentrische menschliche Videos, Handgriff-Trajektorien und hochpräzise Teleoperationssitzungen umfassen. In einem beispiellosen Schritt zur Unterstützung der akademischen offenen Wissenschaft veröffentlichte NVIDIA 100.000 Stunden kuratiertes menschliches Manipulationsvideo direkt auf Hugging Face und etablierte damit den größten offenen Datensatz für die physische KI-Forschung.

## Warum es wichtig ist

![Orange multi-axis heavy industrial robot arm mounted on a work platform.](https://upload.wikimedia.org/wikipedia/commons/5/59/KUKA_industrial_robotic_arm_performing_%22The_Beach%22_by_Roy_Nachum_-_05.jpg)

*Industrial robotic arm performing precise trajectory control and spatial articulation in a structured testing facility.*

In den letzten zehn Jahren hat die Roboterautomation in strukturierten Umgebungen, in denen die Komponenten starr sind und die Bahnen sich wiederholen, bemerkenswerte Siege erzielt. Automobilfabriken setzen Zehntausende von Roboterarmen ein, um Stahlfahrgestelle und Lackwagenkörper auf deterministischen Wegen zu schweißen. Allerdings ist die Einführung von Robotern in flexible Elektronikfertigung, Logistik-Fulfillment-Center oder häusliche Umgebungen durch geschickte Manipulationen grundsätzlich eng verbunden geblieben.

Aufgaben, die der Mensch mühelos ausführt – wie z.B. das Einstecken eines flexiblen Kupferkabels in einen engen Serveranschluss, das Einfädeln einer kleinen Schraube oder das Klappen eines Tuches –, stellen extreme physikalische Modellierungsherausforderungen dar. Kleine Kontaktfehlstellungen erzeugen komplexe Reibungskräfte und stören empfindliche mechanische Teile. Standard-visuelle Reaktivmodelle scheitern häufig, weil sie die physikalischen Folgen ihres physischen Kontakts nicht vorhersehen können, bevor sie das Motordrehmoment anwenden.

GR00T 2 vereint weltweit Videosimulation und Aktionsgenerierung innerhalb eines einzigen Diffusionstransformators und gewährt Robotern intuitive physische Voraussicht. Bevor ein Aktuator Bewegung initiiert, simuliert das Modell, wie umgebende Objekte unter Druck ablaufen, flexieren oder rutschen. In Benchmark-Auswertungen über fünfzig unsichtbare Manipulationsaufgaben hat GR00T 2 bei vierzig Aufgaben Null-Shot erfolgreich abgeschlossen und einen neuen Rekord für generalisierte physikalische Überlegungen erstellt.

## Technische Details

Der architektonische Durchbruch, der GR00T 2 antreibt, konzentriert sich auf einen generativen Diffusionstransformator, der über einheitliche tokenisierte Darstellungen visueller Pixel und kontinuierlicher motorischer Regelzustände hinweg arbeitet. Statt separate neuronale Netze für visuelle Wahrnehmung und kinematische Flugplanung zu trainieren, setzt GR00T 2 beide Modalitäten in einen gemeinsamen latenten Raum. Während der Inferenz verfeinert der Diffusions-Denoisierungsprozess gemeinsam die vorhergesagte visuelle Szene und den sechs Grad-Freiheitsendeffektor über mehrere Diffusions-Zeitschritte.

Um den Einsatz auf real-weltlich verkörperter Hardware mit strikter Leistung und thermischen Einschränkungen zu ermöglichen, entwickelte NVIDIA GR00T 2 Turbo, ein destilliertes 2-Milliarden-Parameter-Modell. Die Turbo-Variante arbeitet auf dem Jetson Thor-Robotik-System-on-Chip von NVIDIA und erreicht eine Inferenz-Ausführungslatenz von nur 124 Millisekunden und liefert ein responsives Closed-Loop-Servoing bei fast acht Frames pro Sekunde.

Um das Fundamentmodell zu ergänzen, führt Isaac Lab 3.0 die Newton-Physik-Engine ein, die speziell entwickelt wurde, um das Bewehrungslernen hochdimensionaler physikalischer Systeme zu beschleunigen. Traditionelle Starrkörperphysik-Engines kämpfen bei der Simulation hochkompatibler Materialien, verformbarer Kabel und multikontaktierter Handinteraktionen. Newton implementiert GPU-parallelisierte Soft-Körper- und Kontaktdynamik, sodass Forscher Hunderttausende parallele Manipulationsszenen gleichzeitig simulieren können. NVIDIA meldet eine 2,5-fache Steigerung des Simulationsdurchsatzes im Vergleich zu früheren PhysX-basierten Pipelines.

## Auswirkungen auf Markt und Branche

![Full-body humanoid robot standing on a display platform with articulated joints and sensor head.](https://upload.wikimedia.org/wikipedia/commons/b/b7/Humanoider-Roboter-DASA.JPG)

*Bipedal humanoid robot platform demonstrating embodied physical intelligence and torso-arm coordination.*

Die CoRL-Ankündigungen von NVIDIA haben sofortige Wellen in der globalen Robotik- und Automatisierungsindustrie ausgelöst. Weltweite Fertigungsführer wie Foxconn, Siemens und Pegatron gaben die aktive Pilotimplementierung von Isaac Lab 3.0 bekannt, um die KI-Server-Montage und Lagerlogistik mit hoher Dichte zu automatisieren.

In der Elektronikfertigung erfordert die Montage von Multi-Rack-Rechenservern das Einsetzen von empfindlichen optischen Transceivern mit hoher Bandbreite und das Routing von Dutzenden dicker Flüssigkeitskühlschläuche. Diese Aufgaben erforderten zuvor menschliche Montagelinien aufgrund der Gefahr des Biegens empfindlicher elektrischer Pins. Mit Isaac Lab und GR00T 2 trainieren industrielle Automatisierungspartner Roboterarme, um hochpräzise Einsteckungen mit Sub-Millimeter-Toleranzen durchzuführen.

Darüber hinaus verschmilzt das Roboter-Start-Ökosystem um den Software-Stack von NVIDIA. Anstatt zig Millionen Dollar an proprietäre Simulationssoftware zu investieren und kundenspezifische Teleoperationsdaten zu sammeln, nehmen aufkommende humanoide Robotik-Ventures Isaac Lab als Standard-Trainingssubstrat an und komprimieren drastisch Entwicklungszyklen für Zwei- und Vierbeiner der nächsten Generation.

## Worauf man als Nächstes achten sollte

Während akademische Labore und kommerzielle Entwickler mit dem Open-Source-Datensatz Hugging Face und Isaac Lab 3.0-Benchmarks zu experimentieren beginnen, wird die Aufmerksamkeit auf reale Implementierungsmetriken verlagert. Industrie-Benchmarks, die innerhalb der Isaac Lab-Arena – wie DexBench und VABAR – gehostet werden, werden standardisierte Scoring-Werte liefern, um Manipulationserfolgsraten über konkurrierende Stiftungsarchitekturen hinweg zu verfolgen.

Die Hardware-Integration wird sich auch beschleunigen, da Systemintegratoren mit dem Versand kommerzieller Roboterplattformen mit Jetson Thor beginnen. Die Konvergenz von Hochdurchsatzphysik-Simulation, Multi-Embodiment-Stiftungsmodellen und dediziertem KI-Silizium bestätigt, dass die Robotik-Industrie offiziell in die Ära der physikalischen Weltaktionsmodellierung eingetreten ist und autonome Maschinen wesentlich näher an die Geschicklichkeit des Menschen heranführt.

## Quellen

- [The Robot Report](https://www.therobotreport.com/nvidia-launches-gr00t-2-isaac-lab-3-0-corl/) - Ausführliche Berichterstattung von CoRL 2026 über die GR00T 2-Welt-Action-Architektur, Newton-Engine in Isaac Lab 3.0 und Benchmark-Performance.
- [NVIDIA Corporate Profile](https://en.wikipedia.org/wiki/Nvidia) - Überblick über NVIDIAs Beschleunigungsplattformen, Jetson Embedded Robotics Compute und Omniverse Simulationstechnologien.
- [Robot Learning Research Context](https://en.wikipedia.org/wiki/Robot_learning) - Grundlegende Konzepte in den Bereichen Verstärkungslernen, Nachahmung und physische Verkörperungsdynamik für Robotersysteme.

* Artificial Intelligence

Mentions: NVIDIA, GR00T 2, Isaac Lab, CoRL 2026, Dexterous Robotics

## Sources
- [The Robot Report](https://www.therobotreport.com/nvidia-launches-gr00t-2-isaac-lab-3-0-corl/)
- [NVIDIA Corporate Profile](https://en.wikipedia.org/wiki/Nvidia)
- [Robot Learning Research Context](https://en.wikipedia.org/wiki/Robot_learning)