KINO 2 transforma demostraciones de tareas en habilidades de manipulación que Bear entrena, prueba en su robot humanoide KR1 y lleva a proyectos piloto con clientes.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación

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 presentó KINO-2 en NVIDIA GTC Berlín el 21 de octubre de 2026. La plataforma está diseñada para enseñar a su robot humanoide KR1 a manipular objetos a partir de demostraciones humanas, y amplía el foco de la empresa más allá del transporte de mercancías. El proceso va del entrenamiento y ajuste de modelos a la prueba de las habilidades en KR1 y, después, a proyectos piloto con clientes. 4
20
Bear recopila demostraciones de tareas y las utiliza para entrenar y perfeccionar modelos. Luego evalúa las habilidades resultantes en KR1 antes de probarlas con clientes. La idea es que el robot aprenda a manipular objetos y que esas capacidades puedan integrarse con los sistemas de movilidad y gestión de flujos de trabajo que ya existen. 10
20
KINO-2 amplía el programa de aprendizaje KINO de Bear. En 2026, la empresa adquirió Kinisi Robotics, con lo que incorporó a su cartera el robot KR1 y el programa KINO original. La compañía afirma que tiene más de 16.000 robots desplegados —en su mayoría, robots de servicio— en más de 5.000 ubicaciones de clientes. 10
20
21
KINO-2 utiliza NVIDIA Isaac OS como entorno de ejecución para la percepción de KR1. Según Bear, Isaac OS, que incorpora Holoscan SDK 5.0, conecta el procesamiento de la percepción y la inferencia de modelos en NVIDIA Jetson AGX Thor. La empresa también dice que optimiza la inferencia con TensorRT y técnicas de cuantización de modelos. 4
Bear informa que el tiempo de inferencia de Isaac GR00T bajó de unos 500 milisegundos a unos 60. Para su propio modelo, el tiempo pasó de 72,3 a 17,2 milisegundos. Son mediciones de la inferencia de los modelos comunicadas por la empresa, no tiempos de ejecución de una tarea completa del robot. 4
6
NVIDIA describe el uso de KINO-2 para realizar un postentrenamiento de GR00T orientado a tareas de almacén, procesamiento de devoluciones y flujos de trabajo industriales. 9 La información publicada aquí no explica en detalle cómo KINO-2 integra modelos fundacionales externos ni cuantifica cuánto trabajo de ingeniería específico para cada tarea permite reducir. Por tanto, no conviene dar esas capacidades por sentadas a partir de la descripción general de la plataforma.
Bear pone como ejemplo el embalaje en almacenes: KR1 puede aprender a recoger botellas y colocarlas en una caja, mientras los sistemas más amplios de la compañía se encargan de trasladar mercancías a lo largo del flujo de trabajo. La empresa señala que ya hay pruebas piloto con clientes, pero la información publicada citada aquí no ofrece tiempos de tarea completos, cifras de precisión en la manipulación ni datos de fiabilidad a largo plazo. 10
20
Esa diferencia es importante al interpretar las cifras de velocidad. Una inferencia más rápida puede ayudar al robot a responder, pero no demuestra por sí sola que una operación completa de almacén o de procesamiento de devoluciones sea más rápida, más precisa o fiable con el paso del tiempo. El avance que Bear atribuye a KINO-2 es el proceso que lleva de las demostraciones a los proyectos piloto; su rendimiento en producción tendrá que evaluarse con resultados de tareas en condiciones reales.
Studio Global AI
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
KINO 2 transforma demostraciones de tareas en habilidades de manipulación que Bear entrena, prueba en su robot humanoide KR1 y lleva a proyectos piloto con clientes.
KINO 2 transforma demostraciones de tareas en habilidades de manipulación que Bear entrena, prueba en su robot humanoide KR1 y lleva a proyectos piloto con clientes.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación

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 presentó KINO-2 en NVIDIA GTC Berlín el 21 de octubre de 2026. La plataforma está diseñada para enseñar a su robot humanoide KR1 a manipular objetos a partir de demostraciones humanas, y amplía el foco de la empresa más allá del transporte de mercancías. El proceso va del entrenamiento y ajuste de modelos a la prueba de las habilidades en KR1 y, después, a proyectos piloto con clientes. 4
20
Bear recopila demostraciones de tareas y las utiliza para entrenar y perfeccionar modelos. Luego evalúa las habilidades resultantes en KR1 antes de probarlas con clientes. La idea es que el robot aprenda a manipular objetos y que esas capacidades puedan integrarse con los sistemas de movilidad y gestión de flujos de trabajo que ya existen. 10
20
KINO-2 amplía el programa de aprendizaje KINO de Bear. En 2026, la empresa adquirió Kinisi Robotics, con lo que incorporó a su cartera el robot KR1 y el programa KINO original. La compañía afirma que tiene más de 16.000 robots desplegados —en su mayoría, robots de servicio— en más de 5.000 ubicaciones de clientes. 10
20
21
KINO-2 utiliza NVIDIA Isaac OS como entorno de ejecución para la percepción de KR1. Según Bear, Isaac OS, que incorpora Holoscan SDK 5.0, conecta el procesamiento de la percepción y la inferencia de modelos en NVIDIA Jetson AGX Thor. La empresa también dice que optimiza la inferencia con TensorRT y técnicas de cuantización de modelos. 4
Bear informa que el tiempo de inferencia de Isaac GR00T bajó de unos 500 milisegundos a unos 60. Para su propio modelo, el tiempo pasó de 72,3 a 17,2 milisegundos. Son mediciones de la inferencia de los modelos comunicadas por la empresa, no tiempos de ejecución de una tarea completa del robot. 4
6
NVIDIA describe el uso de KINO-2 para realizar un postentrenamiento de GR00T orientado a tareas de almacén, procesamiento de devoluciones y flujos de trabajo industriales. 9 La información publicada aquí no explica en detalle cómo KINO-2 integra modelos fundacionales externos ni cuantifica cuánto trabajo de ingeniería específico para cada tarea permite reducir. Por tanto, no conviene dar esas capacidades por sentadas a partir de la descripción general de la plataforma.
Bear pone como ejemplo el embalaje en almacenes: KR1 puede aprender a recoger botellas y colocarlas en una caja, mientras los sistemas más amplios de la compañía se encargan de trasladar mercancías a lo largo del flujo de trabajo. La empresa señala que ya hay pruebas piloto con clientes, pero la información publicada citada aquí no ofrece tiempos de tarea completos, cifras de precisión en la manipulación ni datos de fiabilidad a largo plazo. 10
20
Esa diferencia es importante al interpretar las cifras de velocidad. Una inferencia más rápida puede ayudar al robot a responder, pero no demuestra por sí sola que una operación completa de almacén o de procesamiento de devoluciones sea más rápida, más precisa o fiable con el paso del tiempo. El avance que Bear atribuye a KINO-2 es el proceso que lleva de las demostraciones a los proyectos piloto; su rendimiento en producción tendrá que evaluarse con resultados de tareas en condiciones reales.
Studio Global AI
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
KINO 2 transforma demostraciones de tareas en habilidades de manipulación que Bear entrena, prueba en su robot humanoide KR1 y lleva a proyectos piloto con clientes.