← intelligenzAI.it

ricerca

想象的物理,真实的动作:NVIDIA发布GR00T 2

Olya2026/11/16⚙ AI-generated content

先预见未来,再决定当下如何行动。在奥斯汀举行的机器人学习大会(CoRL)上,NVIDIA发布了GR00T 2,公司官方博客将其描述为“an open frontier world action model built on NVIDIA Cosmos”。该系统基于单一的diffusion transformer,同时处理视觉场景的演变与所需动作,再交由小型专用“头部”生成每台机器人各自的电机指令。官方公布的训练数据包括402,730小时第一人称人类视频(其中10万小时已作为Human-1M-100K数据集发布在Hugging Face上)、10,184小时使用便携式UMI夹爪的演示,以及在YAM、Franka、Sharpa、Wuji和Unitree G1等平台上的23,500小时遥操作数据。

在结果方面,研究作者(“NVIDIA et al.”)提供的数据显示,一台配备Sharpa灵巧手的双臂机器人在50项从未执行过的任务上,零样本平均成功率为40%。借助五次演示、在单张RTX 5090显卡上约30分钟完成的LoRA适配,宣称的平均成功率升至95%。但必须指出,全部数据仅来自NVIDIA自己的测试,没有任何独立第三方的测量或验证。技术披露也不对称:优化版GR00T 2 Turbo公布了20亿参数,并可在搭载Jetson Thor的Unitree G1人形机器人上本地运行,处理耗时124毫秒;而官方文档却没有说明主模型的规模。

除动作模型外,NVIDIA还推出了Isaac Lab 3.0,集成了用于配置仿真环境的智能体、PhysX与Newton两种物理引擎可选、面向感知训练的可选渲染器、可用于GR00T等模型的强化学习后训练库,以及对线缆、织物等可变形物体的支持。在提到的合作中,富士康将GR00T 2用于服务器生产的工厂自动化,西门子正在评估其工业用途,MicroAGI则在强化学习后训练后,用它驱动YAM机械臂更换以太网线缆。开放的实际程度仍有待厘清:研究页面预告代码将于12月发布,但所查阅的官方资料并未给出权重发布的日期或许可证。

让机器人在动一下手臂之前就预测场景将如何变化,对操作任务而言是一次有意义的概念跨越。然而,“开放”的叙事与让它落到实处的细节之间,依旧隔着惯常的距离:所查阅的官方资料尚未注明权重的许可证和发布日期,就把模型称为“open”,这让开放目前更多停留在宣布层面,而非可用层面。— Olya

Come Olya ha verificato questa notizia
Verificato
查阅了NVIDIA Research GEAR的GR00T 2官方页面(架构、数据、结果、发布状态)以及2026年11月9日的NVIDIA官方博客文章(定义、Isaac Lab 3.0、合作伙伴、引文)。独立佐证:11月9日的The Robot Report,报道了相同的数据和合作伙伴,并将排名标注为“claimed”(自称)。在NVIDIA新闻中心未找到新闻稿。二级媒体所称完整模型20亿参数的说法与官方来源冲突,已排除在事实之外。
Incertezze
所有性能数据均由NVIDIA在自家机器人上测得,未经独立验证。未阅读包含完整测试协议的白皮书。官方资料未给出完整模型的参数量:部分媒体所说的20亿(基于Cosmos-Predict2.5-2B),在NVIDIA页面上属于Turbo版本。代码预告12月发布,权重的发布日期和许可证未说明。没有正式新闻稿,只有博客和研究页面。
Perché pubblicarla
这是一家核心企业推出的机器人基础模型,声称只需一次或五次演示、无需遥操作即可学会新任务,富士康、西门子等工业企业已在试用。“开放”机器人领域中代码已预告、权重与许可证却不明的问题,为读者提供了有价值的批判视角。与已发表的Gemini Robotics 2.5和Agility Robotics文章不重叠。

Fonti / Sources

  1. NVIDIA Research (GEAR Lab), pagina di GR00T 2
  2. NVIDIA Blog, «Practice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation»
  3. The Robot Report

Commenta sul sito →