{"id":2935,"date":"2026-11-11T07:54:56","date_gmt":"2026-11-11T00:54:56","guid":{"rendered":"https:\/\/komunitech.com\/blog\/?p=2935"},"modified":"2026-11-11T07:54:56","modified_gmt":"2026-11-11T00:54:56","slug":"nvidia-groot-2-robot-ai-belajar-dari-video-manusia-2026","status":"publish","type":"post","link":"https:\/\/komunitech.com\/blog\/riset\/nvidia-groot-2-robot-ai-belajar-dari-video-manusia-2026\/","title":{"rendered":"NVIDIA GR00T 2: Robot AI yang Belajar dari Video Manusia (2026)"},"content":{"rendered":"<p><strong>TL;DR:<\/strong> NVIDIA memperkenalkan GR00T 2 pada 9 November 2026 di konferensi CoRL, Austin, Texas \u2014 model fondasi robot yang belajar keterampilan tangan dari video manusia, bukan dari demonstrasi robot yang mahal dan lambat. Dalam uji NVIDIA, model ini menyelesaikan 40 dari 50 tugas tanpa satu pun demo, lalu mencapai rata-rata keberhasilan 95% setelah lima demo per tugas. Bobot modelnya belum bisa diunduh (kode dijadwalkan Desember 2026), tapi dataset 100.000 jam video manusianya sudah dibuka gratis.<\/p>\n<h2>\ud83d\udca1 Key Takeaway<\/h2>\n<ul>\n<li><strong>Robot belajar dari video manusia:<\/strong> GR00T 2 menonton rekaman orang bekerja, lalu memindahkan keterampilan itu ke tubuh robot yang berbeda \u2014 tanpa demonstrasi khusus dari robot target.<\/li>\n<li><strong>Angka yang perlu dibaca dengan catatan:<\/strong> 95% keberhasilan setelah lima demo berlaku pada 50 tugas yang memang dipilih karena bisa dipelajari dengan lima demo; angka zero-shot-nya 40 tugas berhasil minimal sekali.<\/li>\n<li><strong>Simulasi jadi tempat latihan utama:<\/strong> Isaac Lab 3.0 dengan mesin fisika Newton melatih ribuan robot virtual sekaligus, sampai 2,5 kali lebih cepat dari versi sebelumnya.<\/li>\n<li><strong>Belum bisa diunduh:<\/strong> NVIDIA menyebut GR00T 2 &#8220;terbuka&#8221;, tapi kode baru tersedia Desember 2026 dan belum ada tanggal atau lisensi rilis bobot modelnya.<\/li>\n<\/ul>\n<p>Selama ini, mengajari robot satu keterampilan baru berarti memprogramnya satu per satu \u2014 atau menyuruh operator manusia menggerakkan robot itu berulang kali sampai ia meniru. Dua-duanya mahal dan lambat. NVIDIA baru saja menunjukkan jalan keluar yang berbeda: biarkan robot belajar dengan menonton video manusia bekerja.<\/p>\n<h2>Apa itu NVIDIA GR00T 2?<\/h2>\n<p>GR00T 2 adalah model fondasi robot yang NVIDIA umumkan pada 9 November 2026 di Conference on Robot Learning (CoRL), Austin, Texas. NVIDIA menyebutnya <em>world action model<\/em> \u2014 model yang dibangun di atas keluarga model dunia Cosmos \u2014 karena ia melakukan dua hal sekaligus: memprediksi bagaimana sebuah adegan akan berubah saat tugas berjalan, dan aksi robot apa yang membawa ke sana. Yang membedakan GR00T 2 dari pendahulunya adalah bahan latihnya: campuran data robot dan manusia, termasuk 100.000 jam video egosentris manusia yang NVIDIA buka sebagai data open source. Menurut materi riset NVIDIA, campuran pra-latihnya mencapai 402.730 jam video manusia dari sudut pandang orang pertama, 10.184 jam demonstrasi gripper genggam, dan 23.500 jam teleoperasi robot.<\/p>\n<p>Buat kamu yang mengikuti perkembangan <a href=\"https:\/\/komunitech.com\/blog\/category\/riset\/\">riset AI<\/a> di blog ini, pola ini terasa familier: seperti model bahasa yang belajar dari teks internet, model robot kini belajar dari video manusia. Bedanya, yang dipelajari di sini bukan kata, melainkan gerakan tangan.<\/p>\n<h2>Bagaimana robot belajar dari video manusia?<\/h2>\n<p>Masalah klasik robotika adalah transfer keterampilan: manusia dan robot punya tubuh yang berbeda, jadi meniru gerakan manusia secara mentah tidak langsung berhasil di robot. GR00T 2 memakai pendekatan yang NVIDIA sebut X-Adapt \u2014 transfer lintas tubuh. Model ini belajar dari demonstrasi manusia, lalu memindahkan keterampilan itu ke berbagai tubuh robot tanpa demonstrasi dari robot targetnya. Satu checkpoint pra-latih yang sama mencakup lengan parallel-gripper, tangan dexterous, dan humanoid.<\/p>\n<p>NVIDIA juga membuka jalur data yang mendukung cara belajar ini. Workflow baru bernama Video to Data mengubah video manusia menjadi demonstrasi robot di simulasi, dan model terbuka EgoHand merekonstruksi gerakan tangan 3D dari video.<\/p>\n<p>Ini berbeda dari pendekatan robot AI yang <a href=\"https:\/\/komunitech.com\/blog\/riset\/robot-ai-go-3-agibot-belajar-dari-pekerjaan-2026\/\">robot AI GO-3 dari AGIBOT pelajari dari pekerjaan nyata<\/a> lewat siklus umpan balik di lapangan. GR00T 2 bertaruh pada satu hal: video manusia sudah cukup banyak dan cukup beragam untuk menjadi guru utama robot.<\/p>\n<h2>Berapa bagus GR00T 2 menurut angka NVIDIA?<\/h2>\n<p>NVIDIA menguji GR00T 2 pada 50 tugas manipulasi yang rumit \u2014 pekerjaan tangan yang halus, bukan sekadar berjalan atau mengangkat kotak:<\/p>\n<table>\n<thead>\n<tr>\n<th>Kabar<\/th>\n<th>Sumber<\/th>\n<th>Artinya buat kamu<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>40 dari 50 tugas berhasil minimal sekali tanpa demo apa pun<\/td>\n<td>Blog NVIDIA, 9 Nov 2026<\/td>\n<td>Model ini sudah punya &#8220;naluri&#8221; dasar soal manipulasi sebelum diajari tugas spesifik.<\/td>\n<\/tr>\n<tr>\n<td>Rata-rata keberhasilan 71% dengan satu demo per tugas<\/td>\n<td>Blog NVIDIA, 9 Nov 2026<\/td>\n<td>Satu contoh kerja manusia sudah cukup untuk membuat robot lumayan bisa.<\/td>\n<\/tr>\n<tr>\n<td>Rata-rata keberhasilan 95% dengan lima demo per tugas<\/td>\n<td>Blog NVIDIA, 9 Nov 2026<\/td>\n<td>Lima contoh membawa robot ke tingkat yang mendekati andal \u2014 dengan catatan di bawah.<\/td>\n<\/tr>\n<tr>\n<td>Peringkat tiga besar di RoboCasa365, RoboLab, RoboDojo, dan MolmoSpaces<\/td>\n<td>Blog NVIDIA, 9 Nov 2026<\/td>\n<td>Bukan sekadar demo panggung: model ini bersaing di benchmark robotika yang diakui.<\/td>\n<\/tr>\n<tr>\n<td>Kode model tersedia Desember 2026; tanggal dan lisensi bobot belum diumumkan<\/td>\n<td>Halaman riset NVIDIA<\/td>\n<td>Jangan merencanakan proyek produksi di atas model ini hari ini \u2014 yang benar-benar terbuka sekarang adalah dataset videonya.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Catatan jujur yang wajib dibaca bersama angka 95%: menurut whitepaper GR00T 2 sendiri, 50 tugas uji itu dipilih dari tugas-tugas yang memang bisa dipelajari model dengan lima episode (minimal 80% keberhasilan). Jadi angka itu sebagian terbentuk karena seleksi tugasnya, bukan ukuran keandalan di lapangan. Angka-angka ini juga berasal dari evaluasi NVIDIA sendiri dan belum direplikasi secara independen.<\/p>\n<h2>Di mana GR00T 2 sudah diuji di dunia nyata?<\/h2>\n<p>NVIDIA menyebut tiga mitra yang sudah menguji GR00T 2 di tahap awal: Nexuni mengujinya untuk penanganan laundry robotik, Foxconn menerapkannya pada otomasi pabrik untuk manufaktur server, dan Siemens mengevaluasinya untuk berbagai kasus industri. Semuanya masih tahap pengujian, bukan deployment produksi.<\/p>\n<p>Yang menarik, GR00T 2 juga bisa dikendalikan oleh AI agent: agent memakai API dan tool pendukungnya untuk menjalankan keterampilan secara berurutan dan pulih dari kesalahan. Di sinilah robotika bertemu dengan dunia <a href=\"https:\/\/komunitech.com\/blog\/category\/ai-agent\/\">AI agent<\/a> yang sudah kamu kenal \u2014 dan seperti agent perangkat lunak, agent robot juga butuh ingatan kerja yang baik; pola yang dibahas di artikel <a href=\"https:\/\/komunitech.com\/blog\/ai-agent\/memori-ai-agent-muse-active-memory-claude-dreaming-2026\/\">memori AI agent<\/a> akan sama pentingnya di pabrik seperti di kantor.<\/p>\n<h2>Isaac Lab 3.0: latihan ribuan robot di simulasi<\/h2>\n<p>Model pra-latih hanyalah separuh cerita. Separuh lainnya adalah tempat robot berlatih: simulasi. Isaac Lab 3.0, framework open source NVIDIA untuk pembelajaran robot, kini terintegrasi lebih erat dengan Newton, mesin fisika open source yang bisa memodelkan benda yang berubah bentuk seperti kabel dan kain, plus tangan robot dengan banyak sendi. Dalam satu benchmark manipulasi berbasis visi, Isaac Lab 3.0 dengan Newton mencapai throughput pelatihan sampai 2,5 kali lipat dibanding Isaac Lab 2.3 dengan PhysX.<\/p>\n<p>Dua benchmark baru ikut diperkenalkan di CoRL: DexBench, dengan 15 tugas di empat adegan \u2014 ritel, logistik, manufaktur, dan hospitality; dan VABAR dari UC Berkeley dan NVIDIA, yang mengevaluasi robot di enam tugas industri dengan tingkat kesulitan dan metrik standar. Ada juga Graph-as-Policy (GaP) dari UC Berkeley, framework yang memakai agent untuk merangkai keterampilan individu menjadi program robot yang bisa diuji di simulasi dan dibaca oleh engineer sebelum dijalankan. Profesor Ken Goldberg dari UC Berkeley menyebut agentic robotics sebagai &#8220;perkembangan teknologi paling menarik sejak internet pada 1995&#8221;.<\/p>\n<h2>Apa artinya buat dunia kerja di Indonesia?<\/h2>\n<p>Robot humanoid di pabrik Indonesia mungkin masih beberapa tahun lagi, tapi arahnya sudah jelas:<\/p>\n<ol>\n<li><strong>Biaya mengajari robot akan jatuh.<\/strong> Kalau lima demo video sudah cukup, perusahaan tidak lagi butuh tim robotika besar untuk setiap tugas baru. Pekerjaan berulang berbasis gerakan tangan \u2014 sortir, perakitan ringan, pengemasan \u2014 jadi kandidat pertama.<\/li>\n<li><strong>Video kerja adalah aset.<\/strong> Rekaman cara karyawan terbaikmu bekerja bisa jadi bahan latih robot di masa depan. Perusahaan yang mulai mendokumentasikan proses kerja dengan video hari ini sedang membangun dataset untuk besok.<\/li>\n<li><strong>Simulasi lebih dulu, robot belakangan.<\/strong> Pola Isaac Lab menunjukkan industri bergerak ke &#8220;latihan di dunia virtual, deployment di dunia nyata&#8221;. Tim engineering Indonesia bisa mulai dari simulasi \u2014 yang murah dan aman \u2014 sebelum menyentuh hardware.<\/li>\n<li><strong>Jangan percaya angka vendor mentah-mentah.<\/strong> Selalu tanyakan: tugas apa yang diuji, dipilih bagaimana, dan sudahkah direplikasi pihak lain? Pelajaran yang sama berlaku untuk klaim model bahasa: <a href=\"https:\/\/komunitech.com\/blog\/ai-agent\/benchmark-gdpx-ai-agent-hanya-lulus-12-persen-tugas-kerja-nyata-2026\/\">benchmark GDPx menunjukkan AI agent hanya lulus 12 persen tugas kerja nyata<\/a>.<\/li>\n<\/ol>\n<h2>Komunitech: Karyawan AI yang Terukur<\/h2>\n<p>GR00T 2 menunjukkan satu pola yang sama di semua gelombang AI: pekerjaan yang tadinya butuh ahli mahal \u2014 dulu programmer robot, sekarang juga operator robot \u2014 perlahan berubah menjadi pekerjaan mendemonstrasikan, mengawasi, dan mengoreksi. Keterampilan yang makin berharga bukan lagi menulis setiap gerakan, melainkan merancang workflow di mana AI belajar dari contoh dan manusia memeriksa hasilnya. Di <a href=\"https:\/\/komunitech.com\/blog\/workshop-karyawan-ai\/\">Workshop Karyawan AI<\/a> Komunitech, kamu belajar pola kerja seperti itu langkah demi langkah; kabar model dan praktik AI seperti ini juga hadir setiap hari di <a href=\"https:\/\/komunitech.com\/blog\/newsletter\/\">newsletter Komunitech<\/a>.<\/p>\n<h2>Pertanyaan yang Sering Ditanya<\/h2>\n<h3>Apa itu NVIDIA GR00T 2?<\/h3>\n<p>GR00T 2 adalah model fondasi robot (world action model) dari NVIDIA, diumumkan 9 November 2026 di CoRL, Austin, Texas. Model ini belajar keterampilan manipulasi dari video manusia dan data robot, lalu memindahkannya ke berbagai tubuh robot.<\/p>\n<h3>Apakah GR00T 2 bisa diunduh gratis?<\/h3>\n<p>Belum. Kode model dijadwalkan tersedia Desember 2026, dan NVIDIA belum mengumumkan tanggal atau lisensi rilis bobotnya. Yang sudah terbuka sekarang adalah dataset Human-1M-100K \u2014 100.000 jam video manusia di bawah lisensi Creative Commons CC BY 4.0.<\/p>\n<h3>Seberapa akurat angka 95% yang diklaim NVIDIA?<\/h3>\n<p>Angka itu adalah rata-rata keberhasilan pada 50 tugas yang dipilih karena memang bisa dipelajari dengan lima demo, menurut whitepaper GR00T 2 sendiri. Tanpa demo, model menyelesaikan 40 dari 50 tugas minimal sekali; dengan satu demo, rata-ratanya 71%. Semua angka berasal dari evaluasi NVIDIA dan belum direplikasi independen.<\/p>\n<h3>Apa itu Isaac Lab 3.0?<\/h3>\n<p>Isaac Lab 3.0 adalah framework open source NVIDIA untuk melatih robot di simulasi. Versi terbarunya terintegrasi dengan mesin fisika Newton dan diklaim mencapai throughput pelatihan sampai 2,5 kali lipat dibanding Isaac Lab 2.3 dengan PhysX.<\/p>\n<h3>Kapan robot seperti ini dipakai di pabrik?<\/h3>\n<p>Mitra seperti Foxconn, Siemens, dan Nexuni masih di tahap pengujian dan evaluasi, bukan deployment produksi. NVIDIA juga menyiapkan GR00T 2 Turbo, versi lebih kecil untuk operasi real-time di robot humanoid.<\/p>\n<h3>Apa bedanya GR00T 2 dengan robot AI lain seperti GO-3?<\/h3>\n<p>GO-3 dari AGIBOT belajar dari pekerjaan nyata lewat siklus umpan balik di lapangan, sementara GR00T 2 bertaruh pada video manusia sebagai guru utama, ditambah latihan besar-besaran di simulasi lewat Isaac Lab.<\/p>\n<h2>Kesimpulan<\/h2>\n<p>GR00T 2 bukan robot yang bisa kamu beli besok, dan angka 95%-nya bukan vonis akhir soal keandalan. Nilainya ada pada pergeseran cara berpikir: keterampilan robot tidak lagi harus diprogram satu per satu \u2014 ia bisa dipelajari dari video manusia, dilatih di simulasi, lalu dipindahkan ke tubuh robot mana pun. Langkah pertama yang paling masuk akal buat timmu: mulai dokumentasikan proses kerja berulang dalam bentuk video, dan pantau rilis kode GR00T 2 pada Desember 2026.<\/p>\n<h2>Referensi<\/h2>\n<ul>\n<li>NVIDIA Blog \u2014 Practice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation (9 November 2026), https:\/\/blogs.nvidia.com\/blog\/robotics-simulation-advancements-corl\/<\/li>\n<li>ALFW \u2014 GR00T 2: 95% after five demos, on selected tasks (9 November 2026), https:\/\/alfw.ai\/article\/nvidia-groot-2-95-percent-five-demos-selected-tasks\/<\/li>\n<li>The Neuron \u2014 NVIDIA GR00T 2: Human Video, Robot Learning and Caveats (10 November 2026), https:\/\/www.theneuron.ai\/robotics-insider\/nvidia-gr00t-2-human-video-robot-learning\/<\/li>\n<li>AI Frontier Post \u2014 NVIDIA&#8217;s GR00T 2 teaches robots dexterous skills by watching human video (10 November 2026), https:\/\/aifrontierpost.com\/articles\/nvidia-groot-2-robot-foundation-model\/<\/li>\n<\/ul>\n<p><em>Disclaimer: Artikel ini disusun untuk tujuan edukasi pada 11 November 2026 berdasarkan pengumuman resmi NVIDIA dan laporan yang dikutip. Ketersediaan kode, lisensi, dan skor benchmark dapat berubah mengikuti pembaruan vendor.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>NVIDIA GR00T 2 adalah model robot AI yang belajar dari video manusia: 95% sukses setelah lima demo. Ini cara kerjanya dan artinya buat dunia kerja.<\/p>\n","protected":false},"author":2,"featured_media":2934,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-2935","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-riset"],"acf":[],"_links":{"self":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts\/2935","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/comments?post=2935"}],"version-history":[{"count":2,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts\/2935\/revisions"}],"predecessor-version":[{"id":2937,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/posts\/2935\/revisions\/2937"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/media\/2934"}],"wp:attachment":[{"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/media?parent=2935"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/categories?post=2935"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/komunitech.com\/blog\/wp-json\/wp\/v2\/tags?post=2935"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}