Nvidia發佈GR00T 2世界動作模型，機器人可從人類視頻學習技能
Nvidia於11月9日在Austin舉行的Conference on Robot Learning上發佈GR00T 2，將其描述爲新一代基礎世界動作模型（world-action models）。該模型同時預測未來視頻與機器人動作，可運行於平行夾爪、靈巧手及人形機器人。
公司稱，GR00T 2可從人類視頻、手持夾爪演示及其他機器人數據中學習技能，並將這些技能遷移至從未演示過該任務的目標機器人。在50項目標機器人未見過的任務上，零樣本平均成功率約40%；每項任務提供5次演示（不到3分鐘機器人數據）並在單張RTX 5090上微調30分鐘後，平均成功率升至95%。
模型代碼預計12月發佈。預訓練數據包括約40.27萬小時第一人稱人類視頻、1.02萬小時手持夾爪演示及2.35萬小時機器人遙操作數據。
原始來源：
標題：GR00T 2: Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation
發佈者：NVIDIA GEAR研究團隊
發佈日期：2026年11月
URL：research.nvidia.com/labs/gear/gr00t-2
來源性質：公司研究頁面
覈驗情況：本次實際讀取頁面全文
支持內容：GR00T 2爲世界動作模型，可從人類視頻及其他機器人數據學習並遷移技能；50項任務上零樣本成功率約40%，5次演示後升至95%
ABAB AI 解讀
Nvidia在2026年11月9日於Conference on Robot Learning發佈GR00T 2，將其定位爲世界動作模型，而非此前的視覺-語言-動作模型。該模型通過一個擴散變換器同時預測未來視頻幀與動作塊，從而從物理交互的視覺結果中學習。
公司披露的預訓練數據以人類第一人稱視頻爲主（約40.27萬小時），輔以手持夾爪演示和機器人遙操作數據。官方頁面說明，技能可從僅由人類演示的視頻遷移至目標機器人，無需該機器人事先演示該任務。
在50項目標機器人未見過的任務上，Nvidia報告零樣本平均成功率約40%，每項任務5次演示後升至95%。這些數字來自公司自報測試，頁面未列出全部任務名稱、試驗次數或獨立復現結果。模型權重與代碼預計12月發佈。
GR00T 2還提供Turbo變體，可在Unitree G1人形機器人的板載計算上運行；同時支持與推理模型配合，通過API進行多步驟任務與錯誤恢復。
ABAB News · 認知定律
Nvidia於11月9日在CoRL發佈GR00T 2世界動作模型，同時預測未來視頻與機器人動作。
公司稱該模型可從人類視頻及其他機器人數據學習技能，並遷移至未見過該任務的目標機器人。
在50項任務上，零樣本平均成功率約40%，每項任務5次演示後升至95%；代碼預計12月發佈。