Dette er ikke et konsumentprodukt. Det er et forskningsinstrument: en blåkopi du kan kjøpe, som kombinerer en fullskala humanoid kropp med avanserte hender, en kraftig innebygd AI-hjerne og en åpen programvareplattform. Målet er at laboratorier skal kunne bruke mindre tid på å bygge roboter og mer tid på å trene dem.

Én plattform: Kropp, hender og hjerne

Isaac GR00T-referansedesignet samler tre maskinvarelag i ett integrert system :

• Unitree H2 Plus-chassis – Roboten er nesten 180 centimeter høy og veier rundt 68 kilo. Kroppen har 31 frihetsgrader, med et maksimalt dreiemoment på 120 N·m i armene og 360 N·m i bena . Et 0,972 kWh stort batteri gir omtrent tre timers drift, mens stereokameraer på hodet, kameraer i håndleddene, mikrofoner og høyttalere sørger for persepsjon og stemmeinteraksjon .
• Sharpa Wave-hender med fem fingre – Hver hånd tilfører 22 frihetsgrader, slik at systemet ender på hele 75 frihetsgrader . Med en vekt på bare 1,3 kg per hånd er disse taktile, fingernemme verktøyene designet for presisjonsoppgaver som de fleste humanoide roboter i dag ikke mestrer: datamontering, håndtering av kirurgiske instrumenter eller innsetting av et venekateter .
• NVIDIA Jetson Thor innebygd datakraft – Hjertet i systemet er Jetson AGX Thor-modulen, som byr på en Blackwell-arkitektur GPU som leverer opptil 2 070 TFLOPS i FP4 AI-ytelse . Hele Isaac GR00T-programvarestakken – simulering, modelltrening, policy-distribusjon – kjører direkte på roboten .

Fordi designet er fullstendig åpent, kan forskere endre maskinvaren, trene egne styringssystemer i NVIDIA Isaac Sim og distribuere dem på den fysiske enheten, uten å være låst til én leverandørs økosystem .

Hvorfor et referansedesign er viktig

Begrepet «referansedesign» er lånt fra smarttelefonindustrien. På samme måte som Googles Android-referansetelefoner ga produsentene et velprøvd utgangspunkt de kunne videreutvikle, er GR00T-plattformen ment å gi robotikklaboratorier en felles grunnmur .

Målet er å akselerere overgangen fra simulering til virkelighet – såkalt sim-to-real-overføring. I dag vil en gangkontroll utviklet i ett laboratorium nesten aldri fungere på en annens robot. NVIDIA vedder på at en standardisert, åpen plattform vil endre dette .

Roboten vil bli tilgjengelig for forskere sent i 2026, trolig i oktober, ifølge flere kilder .

Fem laboratorier allerede på laget

Fem anerkjente institusjoner har allerede forpliktet seg til å ta plattformen i bruk :

• Stanford University (USA)
• ETH Zürich (Sveits)
• Allen Institute for AI (AI2) (USA)
• University of California, San Diego – Advanced Robotics and Controls Laboratory
• Universitetet i Tokyo – JSK Robotics Laboratory

Disse tidlige brukerne dekker Nord-Amerika, Europa og Asia, og gir plattformen en umiddelbar geografisk og forskningsmessig bredde. I USA og Europa er det en økende satsning på humanoid robotikk i både industri og akademia, men et fragmentert økosystem har bremset utviklingen. En felles plattform kan derfor bli et vendepunkt.

Den geopolitiske dimensjonen

En interessant undertone her er selve partnerskapet. En amerikansk chipgigant (NVIDIA) samarbeider med en ledende kinesisk maskinvareprodusent (Unitree) og en Singapore-basert komponentspesialist (Sharpa) innenfor et felt – avansert robotikk – som ligger midt i skjæringspunktet mellom kommersielle ambisjoner og nasjonale sikkerhetshensyn . Den grenseoverskridende karakteren av prosjektet ble trukket frem i den første pressedekningen .

Agentic AI og det større Computex-bildet

GR00T-roboten var bare én del av en mye bredere hovedtale. Huang erklærte 2026 som året for «agentic AI» – autonome, målstyrte AI-systemer som opererer på tvers av hele datastakken .

De to andre store nyhetene fra talen var :

• NVIDIA RTX Spark – en ny Arm-basert superchip (utviklet med MediaTek) som skal «gjenoppfinne PC-en» for lokale AI-agenter, med opptil 20 CPU-kjerner og 6 144 CUDA-kjerner.
• Vera Rubin AI-infrastruktur – NVIDIAs neste generasjons datasenterplattform, nå i produksjon, designet spesifikt for agentic AI-arbeidsmengder i stor skala.

I dette bildet er Isaac GR00T-roboten den fysiske legemliggjørelsen av tesen om agentic AI: Hvis programvareagenter skal kunne resonnere og handle selvstendig, trenger maskinvaren som lar dem manipulere den virkelige verden, en felles utviklingsplattform. NVIDIA leverte nettopp sin første.

Dette er ikke et konsumentprodukt. Det er et forskningsinstrument: en blåkopi du kan kjøpe, som kombinerer en fullskala humanoid kropp med avanserte hender, en kraftig innebygd AI-hjerne og en åpen programvareplattform. Målet er at laboratorier skal kunne bruke mindre tid på å bygge roboter og mer tid på å trene dem.

Én plattform: Kropp, hender og hjerne

Isaac GR00T-referansedesignet samler tre maskinvarelag i ett integrert system :

• Unitree H2 Plus-chassis – Roboten er nesten 180 centimeter høy og veier rundt 68 kilo. Kroppen har 31 frihetsgrader, med et maksimalt dreiemoment på 120 N·m i armene og 360 N·m i bena . Et 0,972 kWh stort batteri gir omtrent tre timers drift, mens stereokameraer på hodet, kameraer i håndleddene, mikrofoner og høyttalere sørger for persepsjon og stemmeinteraksjon .
• Sharpa Wave-hender med fem fingre – Hver hånd tilfører 22 frihetsgrader, slik at systemet ender på hele 75 frihetsgrader . Med en vekt på bare 1,3 kg per hånd er disse taktile, fingernemme verktøyene designet for presisjonsoppgaver som de fleste humanoide roboter i dag ikke mestrer: datamontering, håndtering av kirurgiske instrumenter eller innsetting av et venekateter .
• NVIDIA Jetson Thor innebygd datakraft – Hjertet i systemet er Jetson AGX Thor-modulen, som byr på en Blackwell-arkitektur GPU som leverer opptil 2 070 TFLOPS i FP4 AI-ytelse . Hele Isaac GR00T-programvarestakken – simulering, modelltrening, policy-distribusjon – kjører direkte på roboten .

Fordi designet er fullstendig åpent, kan forskere endre maskinvaren, trene egne styringssystemer i NVIDIA Isaac Sim og distribuere dem på den fysiske enheten, uten å være låst til én leverandørs økosystem .

Hvorfor et referansedesign er viktig

Begrepet «referansedesign» er lånt fra smarttelefonindustrien. På samme måte som Googles Android-referansetelefoner ga produsentene et velprøvd utgangspunkt de kunne videreutvikle, er GR00T-plattformen ment å gi robotikklaboratorier en felles grunnmur .

Målet er å akselerere overgangen fra simulering til virkelighet – såkalt sim-to-real-overføring. I dag vil en gangkontroll utviklet i ett laboratorium nesten aldri fungere på en annens robot. NVIDIA vedder på at en standardisert, åpen plattform vil endre dette .

Roboten vil bli tilgjengelig for forskere sent i 2026, trolig i oktober, ifølge flere kilder .

Fem laboratorier allerede på laget

Fem anerkjente institusjoner har allerede forpliktet seg til å ta plattformen i bruk :

• Stanford University (USA)
• ETH Zürich (Sveits)
• Allen Institute for AI (AI2) (USA)
• University of California, San Diego – Advanced Robotics and Controls Laboratory
• Universitetet i Tokyo – JSK Robotics Laboratory

Disse tidlige brukerne dekker Nord-Amerika, Europa og Asia, og gir plattformen en umiddelbar geografisk og forskningsmessig bredde. I USA og Europa er det en økende satsning på humanoid robotikk i både industri og akademia, men et fragmentert økosystem har bremset utviklingen. En felles plattform kan derfor bli et vendepunkt.

Den geopolitiske dimensjonen

En interessant undertone her er selve partnerskapet. En amerikansk chipgigant (NVIDIA) samarbeider med en ledende kinesisk maskinvareprodusent (Unitree) og en Singapore-basert komponentspesialist (Sharpa) innenfor et felt – avansert robotikk – som ligger midt i skjæringspunktet mellom kommersielle ambisjoner og nasjonale sikkerhetshensyn . Den grenseoverskridende karakteren av prosjektet ble trukket frem i den første pressedekningen .

Agentic AI og det større Computex-bildet

GR00T-roboten var bare én del av en mye bredere hovedtale. Huang erklærte 2026 som året for «agentic AI» – autonome, målstyrte AI-systemer som opererer på tvers av hele datastakken .

De to andre store nyhetene fra talen var :

• NVIDIA RTX Spark – en ny Arm-basert superchip (utviklet med MediaTek) som skal «gjenoppfinne PC-en» for lokale AI-agenter, med opptil 20 CPU-kjerner og 6 144 CUDA-kjerner.
• Vera Rubin AI-infrastruktur – NVIDIAs neste generasjons datasenterplattform, nå i produksjon, designet spesifikt for agentic AI-arbeidsmengder i stor skala.

I dette bildet er Isaac GR00T-roboten den fysiske legemliggjørelsen av tesen om agentic AI: Hvis programvareagenter skal kunne resonnere og handle selvstendig, trenger maskinvaren som lar dem manipulere den virkelige verden, en felles utviklingsplattform. NVIDIA leverte nettopp sin første.