英伟达发布 GR00T 2 世界动作模型 预训练 40 万小时人类视频

原标题:Nvidia released GR00T 2, an open world-action model that runs arms, robot hands and humanoids.
78AI 研判分

英伟达发布开源世界动作模型 GR00T 2,可同时驱动机器臂、灵巧手与人形机器人。其核心突破在于用 402,730 小时人类头戴相机视频与 10,184 小时手持夹爪演示做预训练,仅需 23,500 小时遥操作真机数据,大幅降低对昂贵真机示教的依赖。

报道正文

Rohan Paul (@rohanpaul_ai) · 2026-11-10 22

Nvidia 发布了 GR00T 2,这是一个开放的世界-动作模型,可驱动机械臂、机器人手和人形机器人。

机器人通常从录像中学习,这些录像将每一帧摄像头画面与精确的电机指令配对,而这些指令只能来自真人操控真实机器人。

普通人类视频成本低得多、数量也丰富得多,但它没有电机指令,因此此前的模型几乎无法利用这类数据。

GR00T 2 通过预训练缓解了这一问题:使用了 402,730 小时的人类头戴摄像头视频,加上 10,184 小时的手持夹爪演示,但遥操作机器人数据仅有 23,500 小时。

推文配图

推文配图

推文配图