Nvidia GR00T 2: robots que aprenden de vídeo humano

Nvidia presenta GR00T 2 y libera 100.000 horas de vídeo humano

GR00T 2 completó 40 de 50 tareas sin entrenamiento específico y llegó a un 95% de éxito medio cuando se le mostró cada tarea cinco veces. Pero el dato que de verdad mueve la aguja para un founder no es el porcentaje: es que Nvidia liberó junto al modelo 100.000 horas de vídeo en primera persona para que cualquiera las use.

Eso ataca el cuello de botella real de la robótica. No es el hardware, que ya existe y baja de precio. Son los datos: conseguir grabaciones de manos humanas haciendo tareas finas es caro, lento y nadie los regala. Nvidia acaba de regalar el equivalente a años de recolección.

El anuncio se hizo en la conferencia CoRL de Austin, el 9 de noviembre de 2026, y lo reportó The Next Web. Nvidia define a GR00T 2 como un «modelo de acción del mundo»: predice cómo sus movimientos van a cambiar lo que ve antes de ejecutarlos.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

¿Qué es un modelo de acción del mundo y en qué se diferencia de un VLA?

Un modelo de visión-lenguaje-acción (VLA) traduce una instrucción en movimiento. Un modelo de acción del mundo, como GR00T 2, además simula mentalmente la consecuencia de ese movimiento. Es la diferencia entre «agarra la taza» y «si muevo la pinza así, la taza se va a volcar».

Según The Robot Report, GR00T 2 está construido sobre Nvidia Cosmos y se entrenó con datos mixtos: grabaciones de robots y vídeo humano. La consecuencia práctica es la transferencia de habilidades entre cuerpos distintos. Un robot aprende una destreza mirando a una persona y otro robot, con otra anatomía, la hereda sin necesidad de repetir el entrenamiento desde cero.

Nvidia sostiene que el modelo está entre los tres mejores en todas las categorías de VLA y de modelos de acción del mundo en los benchmarks RoboCasa365, RoboLab, RoboDojo y MolmoSpaces, con varias victorias en las tablas de posiciones.

Los números de GR00T 2: buenos, pero con letra pequeña

Los resultados que Nvidia publica son estos:

40 de 50 tareas completadas al menos una vez sin demostraciones específicas para cada una.
71% de éxito medio con una sola demostración por tarea.
95% de éxito medio con cinco demostraciones por tarea.
Control por agentes: los agentes de IA pueden usar la API de GR00T 2 para encadenar habilidades y recuperarse de errores.

Ahora la letra pequeña, que la propia Nvidia reconoce en su material: las tareas se escogieron entre aquellas que el modelo ya podía aprender bien. Los 50 ejercicios son un escaparate, no una media del mundo real. Un taller con piezas desordenadas, iluminación irregular y objetos que se rompen no se parece a un benchmark.

Esto no invalida el avance. Lo dimensiona. Y es exactamente el punto donde la robótica humanoide lleva años: promesas sólidas en laboratorio que todavía no aterrizan en la fábrica.

¿Por qué las 100.000 horas de vídeo valen más que el benchmark?

Porque son un activo que se queda. El modelo mejora cada pocos meses; el dataset se acumula.

Nvidia ya había mostrado esta apuesta con DreamDojo, el «modelo del mundo» que enseñaba a robots mirando 44.000 horas de vídeo humano. GR00T 2 más que duplica esa cifra. Y no es el único movimiento: The Next Web señala que hay startups como Maxinsights que directamente le pagan a personas para que filmen sus tareas domésticas, porque ese material es el insumo que falta.

Hay otra pieza que refuerza la jugada: EgoHand, un modelo abierto de reconstrucción de movimiento de manos en 3D que, según Blockchain.news, superó las 40.000 descargas en Hugging Face en sus dos primeras semanas. Y el flujo Video to Data convierte vídeo humano en demostraciones simuladas de robot, con un reto abierto para que investigadores lo mejoren.

La lectura para el ecosistema hispanohablante es directa: quien tenga acceso a grabaciones de trabajo manual real —una planta en Monterrey, un taller en Valencia, una operación logística en Bogotá— tiene un insumo que hoy se cotiza.

Isaac Lab 3.0: entrenar en simulación antes de tocar el robot

Junto a GR00T 2, Nvidia publicó Isaac Lab 3.0, su framework de código abierto para entrenar robots en simulación. Los cambios que importan:

Hasta 2,5 veces más velocidad de entrenamiento que Isaac Lab 2.3 con PhysX, en un benchmark de manipulación diestra basado en visión.
Integración con Newton, el motor de física abierto, que ahora modela objetos deformables como cables y telas, además de sistemas articulados complejos como manos robóticas con muchas articulaciones.
Posibilidad de alternar entre los solvers PhysX y Newton, elegir renderizadores y aplicar una librería de post-entrenamiento por refuerzo sobre modelos fundacionales como GR00T.

La física precisa no es un detalle técnico: es lo que permite que una habilidad aprendida en simulación sobreviva al traslado al robot físico. Isaac Lab y Newton permiten entrenar miles de robots simulados en paralelo.

En el mismo evento aparecieron Isaac Lab-Arena (evaluación de políticas a escala), DexBench —15 tareas en retail, logística, manufactura y hospitalidad, desarrollado por RLWRLD con Nvidia— y VABAR, un benchmark de automatización para robótica agéntica de UC Berkeley y Nvidia.

¿Quién está probando GR00T 2 y quién lo usa en producción?

Nadie lo usa en producción todavía. Ese es el titular que no aparece en el comunicado.

Foxconn, que hoy obtiene la mayor parte de sus ingresos de servidores de IA, lo aplica a la automatización de su fabricación de servidores.
Siemens lo evalúa en casos de uso industrial.
Nexuni lo prueba para lavandería robótica.
MicroAGI lo usa, con post-entrenamiento por refuerzo, para cambiar cables Ethernet con un brazo YAM.

Ninguna de las tres primeras ha confirmado uso real en producción. Y conviene separar dos cosas: Siemens ya probó por separado un humanoide con tecnología de Nvidia en un turno de fábrica de ocho horas, pero ese ensayo no corresponde específicamente a GR00T 2.

El respaldo académico lo pone Ken Goldberg, profesor de robótica en UC Berkeley, que colaboró con Nvidia en dos de los proyectos: «la robótica agéntica es el desarrollo tecnológico más emocionante desde internet en 1995». Es una frase seductora, aunque en 1995 internet ya funcionaba para millones de personas y estos robots, por ahora, funcionan sobre todo en vídeos de demostración.

Qué significa esto para tu startup

El contexto de mercado ayuda a calibrar. Ars Technica reportó que Jensen Huang describió el negocio de IA física como generador de casi 10.000 millones de dólares anuales para la compañía, en una entrevista de marzo de 2026. Nvidia también invirtió directamente en startups de robótica humanoide como Agility Robotics y Figure AI, y lanzó Halos for Robotics en junio de 2026 para el apartado de seguridad.

Con ese telón de fondo, hay tres movimientos concretos que puedes hacer sin comprar un solo robot:

Prueba el stack en simulación, no en hardware. GR00T 2 e Isaac Lab 3.0 son abiertos. Puedes entrenar y evaluar políticas en simulación con una GPU y sin riesgo físico. Es la forma más barata de saber si tu caso de uso es viable antes de comprometer capital en brazos o humanoides.
Empieza a capturar datos de tus procesos manuales. El formato que el ecosistema premia hoy es vídeo en primera persona de tareas finas. Si tienes operarios haciendo trabajo manual repetitivo, grabar es una inversión de bajo costo con valor creciente: alimenta modelos, y también te da una línea base para medir qué se puede automatizar.
Posiciónate como proveedor de datos, no solo como comprador de robots. El cuello de botella es la recolección y el etiquetado. Hay startups pagando por grabaciones de tareas humanas. En LATAM y España, con operaciones intensivas en trabajo manual, eso es una oportunidad de servicio antes que de producto.

Y una advertencia: no compres humanoides para producción con el argumento de que «ya llegó GR00T 2». Los propios socios de Nvidia están en fase de prueba. SiliconANGLE documentó el caso de Walden Robotics, escindida de Toyota Research Institute en enero de 2026 y lanzada con 300 millones de dólares en julio, que combina robots autónomos con asistentes humanos remotos: sus máquinas saben pedir ayuda cuando se atascan. Ese es el estado real del arte, no la fábrica sin personas.

Conclusión

GR00T 2 importa más por lo que reparte que por lo que presume. Las 100.000 horas de vídeo en primera persona y un framework de simulación abierto valen más que cualquier benchmark, porque atacan el problema verdadero —la falta de datos— y lo hacen de forma que no solo Nvidia pueda construir encima.

El avance es real y la dirección es la correcta. Lo que falta es lo de siempre: que salga del laboratorio. Mientras eso pasa, la jugada inteligente para un founder no es comprar hardware, sino aprender a producir y usar los datos que ese hardware va a necesitar.