KINO 2 bruger demonstrationer af arbejdsopgaver til at træne modeller, afprøve færdigheder på KR1 og føre dem videre til kundepiloter. Bear Robotics rapporterer kortere inferenstid for både NVIDIA Isaac GR00T og virksomhedens egen model, men tallene måler ikke hele robottens arbejdstid.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How does Bear Robotics’ KINO-2 robot-learning platform, launched on October 21, 2026, at NVIDIA GTC Berlin, turn human task demonstrations i. Article summary: KINO-2 is Bear Robotics’ learning-and-deployment platform for turning human task demonstrations into manipulation skills on its KR1 humanoid, announced on October 21, 2026, at NVIDIA GTC Berlin. Its central aim is to con. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Bear Robotics’ KINO-2 er en platform, der skal lære virksomhedens humanoide robot KR1 at håndtere genstande. Idéen er at omsætte menneskers demonstrationer af en opgave til færdigheder, robotten kan afprøve og bruge i kundepiloter. KINO-2 blev præsenteret på NVIDIA GTC Berlin den 21. oktober 2026. 4
20
Det er et skridt videre end blot at flytte varer fra A til B: Robotten skal også kunne gribe, placere og håndtere dem undervejs.
Bear beskriver processen sådan: Først indsamles demonstrationer af en opgave. Derefter trænes og justeres modellerne, og de færdigheder, de udvikler, afprøves på KR1. Hvis de er klar til næste trin, går de videre til en kundepilot. Målet er at gøre det muligt at koble indlært håndtering af genstande sammen med virksomhedens eksisterende systemer til mobilitet og arbejdsgange. 10
20
KINO-2 bygger videre på Bear Robotics’ tidligere KINO-program. I 2026 købte virksomheden Kinisi Robotics og fik dermed KR1 og det oprindelige KINO-program ind i porteføljen. KINO-2 retter arbejdet mod kommerciel brug. 10
21 Bear oplyser, at virksomheden har udrullet mere end 16.000 robotter, hovedsageligt servicerobotter, på over 5.000 kundelokationer.
20
KINO-2 bruger NVIDIA Isaac OS som køremiljø for KR1’s perception – altså robottenes behandling af information om omgivelserne. Ifølge Bear forbinder Isaac OS, der indeholder Holoscan SDK 5.0, behandlingen af sanseinformation med modelkørsler på NVIDIA Jetson AGX Thor. Virksomheden oplyser også, at den bruger TensorRT og kvantisering af modeller til at optimere beregningerne. 4
Bear rapporterer, at inferenstiden for NVIDIA Isaac GR00T blev reduceret fra cirka 500 millisekunder til cirka 60 millisekunder. For virksomhedens egen model faldt den rapporterede tid fra 72,3 til 17,2 millisekunder. Tallene gælder modellernes inferenstid – ikke den samlede tid, det tager robotten at udføre en opgave fra start til slut. 4
6
NVIDIA beskriver, at Bear bruger KINO-2 til eftertræning af GR00T til lagerarbejde, behandling af returneringer og industrielle arbejdsgange. 9 De tilgængelige kilder forklarer ikke nærmere, hvordan KINO-2 understøtter eksterne grundmodeller, eller hvor meget specialudvikling til den enkelte opgave platformen fjerner. Det bør derfor ikke tages for givet ud fra den overordnede beskrivelse alene.
Bear fremhæver pakning på lager som et eksempel på, hvordan håndtering og mobilitet kan kombineres: KR1 kan lære at samle flasker op og lægge dem i en kasse, mens virksomhedens bredere systemer kan stå for at flytte varer gennem en arbejdsgang. Kundepiloter er i gang, men de offentliggjorte oplysninger her indeholder ikke tal for den samlede opgavetid, præcisionen ved håndtering eller driftssikkerhed over længere tid. 10
20
Det er en vigtig skelnen, når man ser på hastighedstallene. Kortere inferenstid kan hjælpe en robot med at reagere hurtigere, men dokumenterer ikke i sig selv, at en hel lager- eller returproces går hurtigere, bliver mere præcis eller fungerer stabilt over tid.
KINO-2’s beskrevne fremskridt er først og fremmest en arbejdsgang fra menneskelig demonstration til afprøvning hos kunder. Hvor godt løsningen klarer sig i produktion, afhænger af resultaterne fra opgaver i den virkelige verden.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
KINO 2 bruger demonstrationer af arbejdsopgaver til at træne modeller, afprøve færdigheder på KR1 og føre dem videre til kundepiloter.
KINO 2 bruger demonstrationer af arbejdsopgaver til at træne modeller, afprøve færdigheder på KR1 og føre dem videre til kundepiloter. Bear Robotics rapporterer kortere inferenstid for både NVIDIA Isaac GR00T og virksomhedens egen model, men tallene måler ikke hele robottens arbejdstid.
Platformen skal forbinde håndtering af genstande med robotternes eksisterende transport og arbejdsgangssystemer.
KINO 2 bruger demonstrationer af arbejdsopgaver til at træne modeller, afprøve færdigheder på KR1 og føre dem videre til kundepiloter. Bear Robotics rapporterer kortere inferenstid for både NVIDIA Isaac GR00T og virksomhedens egen model, men tallene måler ikke hele robottens arbejdstid.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How does Bear Robotics’ KINO-2 robot-learning platform, launched on October 21, 2026, at NVIDIA GTC Berlin, turn human task demonstrations i. Article summary: KINO-2 is Bear Robotics’ learning-and-deployment platform for turning human task demonstrations into manipulation skills on its KR1 humanoid, announced on October 21, 2026, at NVIDIA GTC Berlin. Its central aim is to con. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Bear Robotics’ KINO-2 er en platform, der skal lære virksomhedens humanoide robot KR1 at håndtere genstande. Idéen er at omsætte menneskers demonstrationer af en opgave til færdigheder, robotten kan afprøve og bruge i kundepiloter. KINO-2 blev præsenteret på NVIDIA GTC Berlin den 21. oktober 2026. 4
20
Det er et skridt videre end blot at flytte varer fra A til B: Robotten skal også kunne gribe, placere og håndtere dem undervejs.
Bear beskriver processen sådan: Først indsamles demonstrationer af en opgave. Derefter trænes og justeres modellerne, og de færdigheder, de udvikler, afprøves på KR1. Hvis de er klar til næste trin, går de videre til en kundepilot. Målet er at gøre det muligt at koble indlært håndtering af genstande sammen med virksomhedens eksisterende systemer til mobilitet og arbejdsgange. 10
20
KINO-2 bygger videre på Bear Robotics’ tidligere KINO-program. I 2026 købte virksomheden Kinisi Robotics og fik dermed KR1 og det oprindelige KINO-program ind i porteføljen. KINO-2 retter arbejdet mod kommerciel brug. 10
21 Bear oplyser, at virksomheden har udrullet mere end 16.000 robotter, hovedsageligt servicerobotter, på over 5.000 kundelokationer.
20
KINO-2 bruger NVIDIA Isaac OS som køremiljø for KR1’s perception – altså robottenes behandling af information om omgivelserne. Ifølge Bear forbinder Isaac OS, der indeholder Holoscan SDK 5.0, behandlingen af sanseinformation med modelkørsler på NVIDIA Jetson AGX Thor. Virksomheden oplyser også, at den bruger TensorRT og kvantisering af modeller til at optimere beregningerne. 4
Bear rapporterer, at inferenstiden for NVIDIA Isaac GR00T blev reduceret fra cirka 500 millisekunder til cirka 60 millisekunder. For virksomhedens egen model faldt den rapporterede tid fra 72,3 til 17,2 millisekunder. Tallene gælder modellernes inferenstid – ikke den samlede tid, det tager robotten at udføre en opgave fra start til slut. 4
6
NVIDIA beskriver, at Bear bruger KINO-2 til eftertræning af GR00T til lagerarbejde, behandling af returneringer og industrielle arbejdsgange. 9 De tilgængelige kilder forklarer ikke nærmere, hvordan KINO-2 understøtter eksterne grundmodeller, eller hvor meget specialudvikling til den enkelte opgave platformen fjerner. Det bør derfor ikke tages for givet ud fra den overordnede beskrivelse alene.
Bear fremhæver pakning på lager som et eksempel på, hvordan håndtering og mobilitet kan kombineres: KR1 kan lære at samle flasker op og lægge dem i en kasse, mens virksomhedens bredere systemer kan stå for at flytte varer gennem en arbejdsgang. Kundepiloter er i gang, men de offentliggjorte oplysninger her indeholder ikke tal for den samlede opgavetid, præcisionen ved håndtering eller driftssikkerhed over længere tid. 10
20
Det er en vigtig skelnen, når man ser på hastighedstallene. Kortere inferenstid kan hjælpe en robot med at reagere hurtigere, men dokumenterer ikke i sig selv, at en hel lager- eller returproces går hurtigere, bliver mere præcis eller fungerer stabilt over tid.
KINO-2’s beskrevne fremskridt er først og fremmest en arbejdsgang fra menneskelig demonstration til afprøvning hos kunder. Hvor godt løsningen klarer sig i produktion, afhænger af resultaterne fra opgaver i den virkelige verden.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
KINO 2 bruger demonstrationer af arbejdsopgaver til at træne modeller, afprøve færdigheder på KR1 og føre dem videre til kundepiloter.
KINO 2 bruger demonstrationer af arbejdsopgaver til at træne modeller, afprøve færdigheder på KR1 og føre dem videre til kundepiloter. Bear Robotics rapporterer kortere inferenstid for både NVIDIA Isaac GR00T og virksomhedens egen model, men tallene måler ikke hele robottens arbejdstid.
Platformen skal forbinde håndtering af genstande med robotternes eksisterende transport og arbejdsgangssystemer.