Hva skal roboten brukes til?

Målet er å gi forskere en standardisert plattform for det Nvidia kaller fysisk KI: systemer som kan oppfatte omgivelsene, planlegge og utføre handlinger med en fysisk maskin.

Forskningsmiljøene skal blant annet kunne bruke roboten til å:

• samle inn robot- og bevegelsesdata
• teste algoritmer for balanse, bevegelse og manipulering
• trene roboter til å gripe, flytte og bruke gjenstander
• utvikle såkalt «loco-manipulation», der roboten beveger hele kroppen samtidig som den utfører en oppgave med hendene
• evaluere ferdigheter i simulering og kontrollere dem i den virkelige verden

Oppgavene kan være alt fra å montere en datamaskin og lage mat til å rydde, stryke klær og håndtere ømfintlige objekter. Nvidia og samarbeidspartnerne trekker også frem medisinske scenarioer, som å administrere en intravenøs infusjon. Slike oppgaver krever både presise bevegelser og evne til å reagere på fysisk motstand og berøring.

Tre selskaper – én robot

Samarbeidet deler roboten inn i tre hoveddeler:

• Unitree H2 Plus: Den kinesiske produsenten leverer den menneskelignende kroppen. Den er omtrent 1,83 meter høy og veier rundt 68 kilo.
• Sharpa-hender: Sharpa leverer femfingrede, berøringssensitive hender med 22 frihetsgrader. De er utviklet for finmotorikk og for å gi roboten informasjon om hvordan den holder og beveger objekter.
• NVIDIA Jetson AGX Thor T5000: Denne datamaskinen fungerer som robotens lokale KI-plattform. Den har en Blackwell-grafikkprosessor, en 14-kjerners Arm-prosessor og 128 GB fellesminne. Nvidia oppgir opptil 2 070 FP4-teraflops til sanntidsbehandling av sensordata og robotens KI-inferens.

Sammen skal delene gjøre det mulig å trene roboten på oppgaver som krever mer enn grov bevegelse. Det handler om å kunne kjenne forskjell på ulike objekter, justere grepet underveis og bruke riktig kraft uten å miste kontrollen.

Sharpa står for robotens finmotorikk

Sharpa ble grunnlagt i 2024 og utvikler de fingerferdige hendene som skal gjøre det mulig for roboten å gripe, justere og bruke gjenstander. Hendene registrerer også fysisk tilbakemelding – informasjon som kan brukes når forskere lærer roboten nye manipulasjonsferdigheter.

Selskapet har forskning og utvikling i Shanghai og forretningsvirksomhet i California. Sharpa har tidligere samarbeidet med Nvidia om datainnsamling til grunnmodeller for robotikk. Under CES 2026 demonstrerte selskapet blant annet hender som spilte blackjack og satte sammen små vindmøller.

Programvaren skal dekke hele treningsløpet

Maskinvaren leveres sammen med den åpne utviklingsplattformen Isaac GR00T. Plattformen består av programvare, modeller og arbeidsflyter for blant annet:

• simulering
• innsamling og generering av treningsdata
• trening av robotmodeller
• evaluering av ferdigheter
• utrulling på fysisk robot

Nvidia sier at forskningsmiljøene beholder kontrollen over robotdata, treningsdata, telemetri og logger. Den modulære programvarestakken kan brukes samlet eller kobles til verktøy og arbeidsflyter laboratoriene allerede har. Nvidia planlegger også å publisere en referansearbeidsflyt for Unitree G1 på GitHub og Hugging Face.

Skal løse «Frankenstein-robot»-problemet

For mange universitetslaboratorier begynner robotforskningen med et omfattende integrasjonsarbeid. Forskerne må først finne en kropp, hender, datamaskin, sensorer, simulatorer og kontrollprogramvare som fungerer sammen. Først deretter kan de begynne å undersøke selve robotferdighetene.

Huang sa at Nvidia utviklet referanseplattformen fordi det er «utrolig vanskelig» å sette sammen et slikt system på egen hånd. Han beskrev utfordringen som et «Frankenstein-robot»-problem: mange ulike komponenter må sys sammen før forskerne kan starte den egentlige forskningen.

En felles plattform kan derfor gjøre det enklere for laboratorier å bruke tiden på å utvikle og sammenligne ferdigheter, i stedet for å bygge grunnsystemet fra bunnen av.

Hvem skal bruke den, og når blir den tilgjengelig?

Nvidia har trukket frem følgende tidlige forskningsbrukere:

• Ai2
• ETH Zürich
• Stanford Robotics Center
• Advanced Robotics and Controls Laboratory ved University of California, San Diego

Unitree skal etter planen selge referanseroboten mot slutten av 2026. Nvidia og Unitree har foreløpig ikke oppgitt pris eller fullstendige kommersielle detaljer.

En del av Nvidias større KI-strategi

Huang presenterte humanoide roboter som en mulig inngangsport for fysisk KI i store industrier, og beskrev muligheten som verdt flere billioner dollar. I samme strategiske bilde plasserte han roboten sammen med Nvidias øvrige maskinvare- og programvareprodukter.

Resonnementet er at mer såkalt agentisk KI – systemer som kan planlegge og utføre oppgaver på egen hånd – vil øke behovet for datakraft. Nvidia ønsker å levere hele kjeden: fra datasentre med Vera-prosessoren til lokale KI-systemer, blant annet KI-PC-er med RTX Spark-brikken som kan kjøre modeller og agenter direkte på enheten.

I denne modellen blir Isaac GR00T Nvidias robotikk- og «embodied AI»-endepunkt: programvare, modeller og datakraft flyttes fra skyen og datasenteret og helt ut i en maskin som kan se, bevege seg og håndtere den fysiske verden.

Hva skal roboten brukes til?

Målet er å gi forskere en standardisert plattform for det Nvidia kaller fysisk KI: systemer som kan oppfatte omgivelsene, planlegge og utføre handlinger med en fysisk maskin.

Forskningsmiljøene skal blant annet kunne bruke roboten til å:

• samle inn robot- og bevegelsesdata
• teste algoritmer for balanse, bevegelse og manipulering
• trene roboter til å gripe, flytte og bruke gjenstander
• utvikle såkalt «loco-manipulation», der roboten beveger hele kroppen samtidig som den utfører en oppgave med hendene
• evaluere ferdigheter i simulering og kontrollere dem i den virkelige verden

Oppgavene kan være alt fra å montere en datamaskin og lage mat til å rydde, stryke klær og håndtere ømfintlige objekter. Nvidia og samarbeidspartnerne trekker også frem medisinske scenarioer, som å administrere en intravenøs infusjon. Slike oppgaver krever både presise bevegelser og evne til å reagere på fysisk motstand og berøring.

Tre selskaper – én robot

Samarbeidet deler roboten inn i tre hoveddeler:

• Unitree H2 Plus: Den kinesiske produsenten leverer den menneskelignende kroppen. Den er omtrent 1,83 meter høy og veier rundt 68 kilo.
• Sharpa-hender: Sharpa leverer femfingrede, berøringssensitive hender med 22 frihetsgrader. De er utviklet for finmotorikk og for å gi roboten informasjon om hvordan den holder og beveger objekter.
• NVIDIA Jetson AGX Thor T5000: Denne datamaskinen fungerer som robotens lokale KI-plattform. Den har en Blackwell-grafikkprosessor, en 14-kjerners Arm-prosessor og 128 GB fellesminne. Nvidia oppgir opptil 2 070 FP4-teraflops til sanntidsbehandling av sensordata og robotens KI-inferens.

Sammen skal delene gjøre det mulig å trene roboten på oppgaver som krever mer enn grov bevegelse. Det handler om å kunne kjenne forskjell på ulike objekter, justere grepet underveis og bruke riktig kraft uten å miste kontrollen.

Sharpa står for robotens finmotorikk

Sharpa ble grunnlagt i 2024 og utvikler de fingerferdige hendene som skal gjøre det mulig for roboten å gripe, justere og bruke gjenstander. Hendene registrerer også fysisk tilbakemelding – informasjon som kan brukes når forskere lærer roboten nye manipulasjonsferdigheter.

Selskapet har forskning og utvikling i Shanghai og forretningsvirksomhet i California. Sharpa har tidligere samarbeidet med Nvidia om datainnsamling til grunnmodeller for robotikk. Under CES 2026 demonstrerte selskapet blant annet hender som spilte blackjack og satte sammen små vindmøller.

Programvaren skal dekke hele treningsløpet

Maskinvaren leveres sammen med den åpne utviklingsplattformen Isaac GR00T. Plattformen består av programvare, modeller og arbeidsflyter for blant annet:

• simulering
• innsamling og generering av treningsdata
• trening av robotmodeller
• evaluering av ferdigheter
• utrulling på fysisk robot

Nvidia sier at forskningsmiljøene beholder kontrollen over robotdata, treningsdata, telemetri og logger. Den modulære programvarestakken kan brukes samlet eller kobles til verktøy og arbeidsflyter laboratoriene allerede har. Nvidia planlegger også å publisere en referansearbeidsflyt for Unitree G1 på GitHub og Hugging Face.

Skal løse «Frankenstein-robot»-problemet

For mange universitetslaboratorier begynner robotforskningen med et omfattende integrasjonsarbeid. Forskerne må først finne en kropp, hender, datamaskin, sensorer, simulatorer og kontrollprogramvare som fungerer sammen. Først deretter kan de begynne å undersøke selve robotferdighetene.

Huang sa at Nvidia utviklet referanseplattformen fordi det er «utrolig vanskelig» å sette sammen et slikt system på egen hånd. Han beskrev utfordringen som et «Frankenstein-robot»-problem: mange ulike komponenter må sys sammen før forskerne kan starte den egentlige forskningen.

En felles plattform kan derfor gjøre det enklere for laboratorier å bruke tiden på å utvikle og sammenligne ferdigheter, i stedet for å bygge grunnsystemet fra bunnen av.

Hvem skal bruke den, og når blir den tilgjengelig?

Nvidia har trukket frem følgende tidlige forskningsbrukere:

• Ai2
• ETH Zürich
• Stanford Robotics Center
• Advanced Robotics and Controls Laboratory ved University of California, San Diego

Unitree skal etter planen selge referanseroboten mot slutten av 2026. Nvidia og Unitree har foreløpig ikke oppgitt pris eller fullstendige kommersielle detaljer.

En del av Nvidias større KI-strategi

Huang presenterte humanoide roboter som en mulig inngangsport for fysisk KI i store industrier, og beskrev muligheten som verdt flere billioner dollar. I samme strategiske bilde plasserte han roboten sammen med Nvidias øvrige maskinvare- og programvareprodukter.

Resonnementet er at mer såkalt agentisk KI – systemer som kan planlegge og utføre oppgaver på egen hånd – vil øke behovet for datakraft. Nvidia ønsker å levere hele kjeden: fra datasentre med Vera-prosessoren til lokale KI-systemer, blant annet KI-PC-er med RTX Spark-brikken som kan kjøre modeller og agenter direkte på enheten.

I denne modellen blir Isaac GR00T Nvidias robotikk- og «embodied AI»-endepunkt: programvare, modeller og datakraft flyttes fra skyen og datasenteret og helt ut i en maskin som kan se, bevege seg og håndtere den fysiske verden.