英伟达发布机器人模型 GR00T 2：看人类视频学精细操作，1 次演示 50 项任务平均成功 71%

英伟达在 11 月 9 日的机器人学习大会 CoRL 上发布了 GR00T 2，自称是“开放前沿世界动作模型”。它基于 Cosmos 构建，是一个 20 亿参数的 Transformer，同时预测未来视频和机器人动作，让机器人看人类视频学会精细操作，再把技能迁移到从没练过的机器人身体上。同期发布的还有机器人学习框架 Isaac Lab 3.0，以及两项新的工业评测 DexBench 与 VABAR。

关键数字来自英伟达官方博客：GR00T 2 的训练数据里有 10 万小时开源第一人称人类视频（Human-1M-100K 数据集，以 CC BY 4.0 协议开源）。在 50 项目标机器人没练过的任务上，零样本平均成功率 40%，其中 40 项至少成功过一次；给 1 次演示，平均成功率升到 71%；给 5 次演示，达到 95%。在 RoboCasa365、RoboLab、RoboDojo、MolmoSpaces 四项评测中，它都排进前三。不过 95% 这个数字有个筛选口径：白皮书说明，评测任务是从“5 次演示能学会”的任务里挑出来的，平均值因此偏高，不能直接理解成任意新任务都能到 95%。

配套的 Isaac Lab 3.0 早在 10 月 20 日就已正式可用：智能体可以快速搭仿真训练环境，在 PhysX 与开源 Newton 物理求解器之间切换，还新增了针对 GR00T 这类基础模型的强化学习后训练库。配 Newton 之后，在视觉灵巧操作评测里，训练吞吐最高是 2.3 版配 PhysX 的 2.5 倍；Isaac Lab-Arena 0.4 开发者预览版也在会上发布，DexBench 覆盖零售、物流、制造、酒店 4 个场景的 15 项任务，VABAR 则测 6 项工业任务。Nexuni 拿 GR00T 2 做洗衣分拣测试，富士康用于服务器产线自动化，西门子在评估工业场景——目前都还是测试与评估，没有量产落地。

开放程度要打个折扣：英伟达说 GR00T 2 是开放模型，但研究页面写明代码 12 月才提供，权重发布时间与许可目前未公布。也就是说，今天能看到的是发布与评测，真正上手还要再等。同样值得一提的是机器人学的另一条线：Ai2 开源的 ToyBlocks用 8.5 万条自动生成的演示教机器人搭积木，智元一天连发两个机器人大模型，机器人学正在从“一个任务训一个模型”转向“一个模型学一堆任务”。

来源：NVIDIA，原文