# Un robot de NVIDIA aprende de personas a preparar un filtro de laboratorio

GR00T 2 traslada demostraciones humanas a unas manos robóticas que colocan y humedecen papel de filtro. NVIDIA presenta sus resultados y sus límites en CoRL.

- URL canónica: https://robotica.es/ia/groot-2-robot-aprende-preparar-filtro-laboratorio/
- Versión Markdown: https://robotica.es/ia/groot-2-robot-aprende-preparar-filtro-laboratorio.md
- Publicado: 2026-11-12
- Última actualización editorial: 2026-11-12
- Autoría: Redacción Robotica.es
- Categoría: IA en robótica
- Etiquetas: NVIDIA, GR00T 2, CoRL 2026, manipulación, aprendizaje robótico
- Idioma: es-ES

Colocar papel de filtro dentro de un embudo y humedecerlo parece un trabajo pequeño. Para unas manos robóticas exige coordinar dedos, papel y una botella sin descolocar el montaje. NVIDIA utiliza esa tarea para enseñar qué ha aprendido GR00T 2: trasladar al robot una habilidad que se le ha mostrado con manos humanas.

La compañía [presentó el modelo el 9 de noviembre en CoRL, en Austin [en]](https://blogs.nvidia.com/blog/robotics-simulation-advancements-corl/). GR00T 2 es el software que decide movimientos; el montaje de dos brazos y manos que aparece en esta prueba se llama Dexter. La novedad está en cómo aprende a usar ese cuerpo, más que en presentar otro robot.

## Las cámaras siguen a quien hace el trabajo

Para recoger las demostraciones de laboratorio, las personas llevan guantes y cámaras en la cabeza y las muñecas. El sistema recibe así imágenes de la tarea desde cerca de las manos. Después, el robot trata de reproducirla con su propia mecánica.

Según la [página de investigación de NVIDIA [en]](https://research.nvidia.com/labs/gear/gr00t-2/), **la preparación del filtro salió bien en el 65% de los intentos**, sin demostraciones teleoperadas de esa tarea. Teleoperar consiste en dirigir el robot desde fuera para registrar cómo debe moverse. Aquí, las muestras del trabajo proceden de personas haciéndolo directamente.

Eso no significa que la máquina aprenda desde cero mirando una sola escena. El [informe técnico [en]](https://research.nvidia.com/labs/gear/gr00t-2/assets/gr00t2_whitepaper.pdf) explica que también se emplean datos de movimientos del robot para conocer su cuerpo, aunque no incluyan ejemplos de las tareas evaluadas. El ensayo del filtro constó de veinte intentos. En otras dos operaciones de laboratorio de ese mismo grupo, dispensar con un cuentagotas y trabajar sobre un portaobjetos, los resultados fueron bastante menores: un 30% y un 10%.

La dificultad cambia con el objeto. Una acción que funciona con papel y un embudo no acredita la misma precisión al manejar una gota o una pequeña superficie de vidrio.

## Imaginar el siguiente movimiento antes de hacerlo

GR00T 2 aprende a predecir conjuntamente las imágenes futuras y las acciones del robot. Relaciona cómo se mueve una mano con lo que cambia delante de la cámara. Ese enfoque amplía la combinación de [visión y control que explicamos en nuestra guía de IA en robótica](https://robotica.es/ia/ia-robotica-inteligencia-artificial/).

NVIDIA también comunica un 95% de éxito medio con cinco demostraciones por tarea en otra evaluación de cincuenta trabajos. Ese porcentaje tiene una condición importante: el informe especifica que se eligieron tareas que el modelo ya conseguía aprender con esas cinco muestras. **No representa la probabilidad de resolver cualquier encargo nuevo**. La [cobertura de TechRepublic [en]](https://www.techrepublic.com/article/news-nvidia-gr00t-2-robot-training-human-demonstrations/) destaca precisamente esa selección del conjunto evaluado.

Son ensayos de investigación con objetos y puestos de trabajo preparados. Para explorar otras formas de enseñar a un robot, la [prueba de Apollo con Gemini Robotics en Mercedes](https://robotica.es/humanoides/apollo-2-ordena-piezas-mercedes-gemini/) muestra una tarea distinta: sacar piezas de cajas y preparar bandejas. En el caso de GR00T 2, NVIDIA sitúa la disponibilidad del código en diciembre; por ahora, el filtro ofrece un ejemplo concreto de una habilidad transferida de manos humanas a dedos mecánicos.

## Fuentes

- [NVIDIA, Sasa Docca — presentación de GR00T 2 en CoRL, 9 de noviembre de 2026 [en]](https://blogs.nvidia.com/blog/robotics-simulation-advancements-corl/)
- [NVIDIA Research — demostraciones y resultados de transferencia entre personas y robots [en]](https://research.nvidia.com/labs/gear/gr00t-2/)
- [NVIDIA — informe técnico de GR00T 2, protocolo y selección de tareas [en]](https://research.nvidia.com/labs/gear/gr00t-2/assets/gr00t2_whitepaper.pdf)
- [TechRepublic, Aminu Abdullahi — alcance y límites de los ensayos, 10 de noviembre de 2026 [en]](https://www.techrepublic.com/article/news-nvidia-gr00t-2-robot-training-human-demonstrations/)
- [Imagen: NVIDIA Research — fotograma oficial de Dexter en la preparación del filtro [en]](https://research.nvidia.com/labs/gear/gr00t-2/assets/poster/xadapt_h2r_filter.jpg)