엔비디아 GR00T 2, 시연 5개로 로봇 성공률 95%

엔비디아가 11월 9일(현지시간) 미국 텍사스주 오스틴에서 열린 로봇학습학회(CoRL)에서 로봇용 개방형 '월드 액션 모델' GR00T 2를 공개했다. 사람이 일하는 영상을 대량으로 학습한 이 모델은 로봇이 한 번도 연습하지 않은 50개 과제에서 과제당 시연 1개로 평균 성공률 71%, 시연 5개로 95%를 기록했다고 엔비디아는 밝혔다.

핵심 정리

• GR00T 2는 앞으로의 영상과 로봇 동작을 함께 예측해, 로봇 원격조작 데이터뿐 아니라 사람 영상에서도 물리 법칙을 배운다.
• 처음 보는 50개 과제 성공률은 무시연 40%에서 시연 1개 71%, 시연 5개 95%로 올랐다. 과제마다 RTX 5090 한 장으로 30분 미세조정했다.
• 함께 나온 Isaac Lab 3.0은 정밀 조작 벤치마크에서 2.3 버전 대비 최대 2.5배 학습 처리량을 냈다. 모든 수치는 엔비디아 자체 발표다.

엔비디아 GR00T 2는 어떤 로봇 AI 모델인가

GR00T 2는 엔비디아의 월드 모델 코스모스(Cosmos)를 기반으로 한다. 확산 트랜스포머 하나가 최근 카메라 화면과 지시문, 로봇 상태를 읽고 이어질 몇 순간의 영상과 모터 명령 묶음을 함께 만들어 낸다.

엔비디아 GEAR 연구실의 프로젝트 페이지에 따르면 사전학습에는 사람이 일하는 1인칭 영상 40만2,730시간, 손에 드는 그리퍼로 2,897개 과제를 시연한 1만184시간, 로봇 원격조작 2만3,500시간이 쓰였다. 이 가운데 사람 영상 10만 시간은 Human-1M-100K라는 이름으로 허깅페이스에 공개됐다.

시연 1개로 71%, 5개로 95%…GR00T 2 성능

대표 시험은 샤르파(Sharpa) 손을 단 양팔 로봇으로 진행했다. 50개 과제는 사람 영상이나 다른 로봇 데이터에만 있고 이 로봇 데이터에는 없던 것이다. 시연 없이도 시도의 40%가 성공했고 50개 중 40개 과제는 한 번 이상 해냈다. 과제당 3분이 채 안 되는 시연 5개를 주자 평균 성공률이 95%로 올랐고, 37개 과제는 모든 시도에서 성공했다.

추론 에이전트가 API로 GR00T 2를 불러 쓰는 방식에서는 장난감 비행기·트랙터·핫휠 자동차 조립을 300회 중 292회 성공했다. 20억 파라미터 경량판 GR00T 2 Turbo는 유니트리 G1 휴머노이드에 내장된 젯슨 토르(Jetson Thor)에서 예측 한 번에 124밀리초로 돌아간다.

Isaac Lab 3.0과 새 로봇 벤치마크

엔비디아는 CoRL 발표문에서 오픈소스 로봇학습 프레임워크 Isaac Lab 3.0도 내놨다. 뉴턴(Newton) 물리 엔진과의 연동을 강화했다. 개방형 벤치마크도 2종 공개했다. RLWRLD와 만든 덱스벤치(DexBench)는 4개 장면 15개 과제, UC버클리와 만든 VABAR는 6개 산업 과제로 구성된다. 폭스콘은 서버 제조 자동화에 GR00T 2를 적용하고 있다고 엔비디아는 밝혔다.

배경: 로봇 학습의 데이터 부족

UC버클리 로봇공학자 켄 골드버그 교수는 로봇 학습 데이터의 부족을 '10만 년 데이터 격차'라고 표현한 바 있다. GR00T 2가 사람 영상으로 이 공백을 메우려 한다면, 같은 학회에서 발표된 골드버그 교수의 '에이전틱 로보틱스'는 AI 에이전트가 시뮬레이션에서 로봇 프로그램을 짜고 고치는 방식이다. 골드버그 교수는 버클리 뉴스에 "에이전틱 로보틱스는 로봇을 제어하는 방식의 근본적 전환"이라고 말했다.

전망

엔비디아 스스로 한계도 적었다. 시각 지시를 줘도 덱스터 로봇은 긴 쓰레기 분류 작업을 끝까지 마치는 경우가 드물었다. 외부 재현은 아직 없고, GR00T 2 가중치 공개 일정도 발표되지 않았다. 덱스벤치와 VABAR 순위표가 첫 외부 비교 지표가 될 전망이다.

자주 묻는 질문

월드 액션 모델이란 무엇인가?

장면이 어떻게 바뀔지와 로봇이 취할 동작을 함께 예측하는 로봇 모델이다. GR00T 2는 동작만 내놓지 않고 미래 영상과 모터 명령을 동시에 생성한다.

로봇 시연 없이도 과제를 배울 수 있나?

일부 가능하다. 엔비디아에 따르면 다섯 손가락 손 두 개를 단 로봇이 사람 시연만 보고 실험용 깔때기에 거름종이를 까는 작업을 65% 성공했다.

참고 자료

• GR00T 2: Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation — NVIDIA GEAR(2026년 11월)
• Practice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation — NVIDIA 블로그(2026년 11월 9일)
• Recent advances in AI are creating a 'paradigm shift' for robotics — 버클리 뉴스(2026년 11월 9일)