Primera actualización del modelo abierto visión-lenguaje-acción de NVIDIA para robots humanoides, con mejor seguimiento de instrucciones y reconocimiento de objetos.
NVIDIA lo entrenó en 36 horas con datos sintéticos generados por GR00T-Dreams, frente a unos tres meses de recogida manual de datos.
Pesos abiertos en Hugging Face (licencia no comercial de NVIDIA) y código en GitHub.
3.000 millones de parámetros.
-
07:00
Anunciado en COMPUTEX