机器人
NVIDIA 在 11 月 9 日介绍 GR00T 2,13 日帖文是后续
NVIDIA 的 CoRL 博客在 11 月 9 日介绍 GR00T 2,称它是建立在 Cosmos 上的开放世界动作模型。官方账号 11 月 13 日的帖文是后来的介绍,不是首次发布。任务成功率和零样本完成数都是公司评估。
NVIDIA 在 11 月 9 日的机器人学习大会博客中介绍了 GR00T 2。公司账号在 11 月 13 日又发帖介绍同一项工作,13 日不是首次发布。研究页只标注 2026 年 11 月,没有更细的日期。
公司称,GR00T 2 是建立在 Cosmos 上的世界动作模型:它同时预测画面会如何变化,以及机器人应采取的动作,并可运行在平行夹爪、灵巧手和人形机器人上。NVIDIA 把它称为开放模型。研究页没有给出已经可以下载权重的日期。已经公开的是一批人类第一人称视频,其中 10 万小时以 Human-1M-100K 放在 Hugging Face。
预训练数据还包括 402,730 小时人类工作视频、10,184 小时手持夹爪示范和 23,500 小时机器人遥操作。公司给出的评估是:50 项任务在没有该任务示范时,至少完成其中 40 项一次;每项 1 次示范的平均成功率是 71%,5 次示范后到 95%。研究页另写,只在人类视频或其他机器人上见过的任务,零样本成功率是 40%;每项 5 次示范、不到 3 分钟数据,在一张 RTX 5090 上微调约 30 分钟后到 95%。“至少完成 40 项一次”不是每项都有 80% 的稳定成功率。这些数字都是 NVIDIA 的评估。
同一篇 11 月 9 日博客还介绍了仿真工具 Isaac Lab 3.0。博客提到富士康、西门子等伙伴正在试用,这是试用名单,不是已经公布的产线成绩。
世界动作模型不只输出下一步动作,还预测场景会怎样变化。NVIDIA 用这一点解释人类视频为什么能帮助机器人。95% 出现在五次示范之后的平均成功率里,依赖公司选定的 50 项任务。在权重和许可证页面写明下载日期之前,现在可以确认公开的是那批人类视频,而不是完整的模型权重。
原文链接
- NVIDIAPractice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation
- NVIDIAGR00T 2: Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation
- NVIDIA 的帖文