NVIDIA presentó el 9 de noviembre GR00T 2 y un conjunto de herramientas de robótica durante la Conference on Robot Learning, celebrada en Austin, Texas. El anuncio reúne un modelo de acciones, entornos para aprender en simulación y herramientas de evaluación. No todos los componentes citados tienen la misma fecha de publicación ni el mismo estado de desarrollo.
La compañía describe GR00T 2 como un modelo que combina la generación de vídeo futuro y de acciones del robot. Su documentación explica que utiliza vídeo reciente, instrucciones y el estado del dispositivo para producir una secuencia de acciones y repetir el proceso. Esa es la arquitectura presentada por el desarrollador, no una certificación de su rendimiento en cualquier tarea industrial.
Una versión disponible y otra identificada como preliminar
Isaac Lab 3.0 forma parte del conjunto descrito, pero no se publicó por primera vez el día del anuncio. El registro oficial del repositorio sitúa la publicación de v3.0.0 en el 20 de octubre de 2026 y no la marca como versión preliminar. Conviene separar esa fecha de la presentación del ecosistema realizada en noviembre.
Las notas de la versión describen una arquitectura que permite elegir motores de física, representación visual y herramientas de visualización. Incluye opciones basadas en Newton y PhysX, aunque las combinaciones admitidas dependen de la tarea. La existencia de varias opciones no significa que cualquier escenario pueda intercambiarlas sin comprobar su compatibilidad.
El anuncio identifica además Isaac Lab-Arena 0.4 como una versión preliminar para desarrolladores. La documentación de Arena describe un marco para construir escenarios de evaluación, variar sus condiciones y analizar los fallos de las políticas de control de los robots. Su función es evaluar comportamientos; no es el propio modelo que decide las acciones.
También hay una distinción importante al mirar las demostraciones de GR00T 2. Su página técnica señala que el panel de historial muestra imágenes que el robot recibió, mientras que el panel de futuro contiene vídeo generado por el modelo, no una grabación real de lo que ocurrió después. Esa separación permite interpretar el material visual sin confundir una predicción con una observación.
