11 月 10 日，英伟达发布 GR00T 2 研究报告。这不再是把摄像头画面和语言指令直接翻译成电机动作的模型，而是一个世界动作模型，同时计算下一步动作并预测出一段短视频，用视频预测在人形机器人、玩具车等不同形态之间迁移动作序列。
千块 GB300 与 40 万小时视频
训练集群规模超过一千块 GB300 芯片，数据是约 40 万小时人类佩戴头显完成各类任务的视频。相比传统的遥操作，这种方式便宜也快，不再需要为每种机器人形态单独采集数据。
教新任务只要人做一遍
研究团队的说法是，让一个人用数据手套、专用夹爪或手指外骨骼演示一遍步骤即可。实验室里五指机械手在没有针对这些任务遥操作的情况下完成了划火柴、切香蕉、把包裹扔上传送带，成功率在 10% 到 80% 之间波动。只看一段人手视频，系统还通过计算机仿真学会了钉钉子。在 50 个只需少量示例就能做好的任务上，不到三分钟就完成示范。
装配 97% 与 Jetson Thor 版
更长的装配任务由上层语言模型接手，英伟达在这套流程里用到了 OpenAI 的 GPT-6 Astra：GR00T 2 负责抓取，语言模型拆步骤、在画面上给抓取点标色并调度辅助例程。桌上随机摆放玩具车零件时，组合系统的装配成功率至少 97%，去掉语言模型且不做额外微调时只有 100 次里成功 23 次。针对双足机器人推出的精简版 GR00T 2 Turbo 可以直接跑在人形机器人的 Jetson Thor 车载计算机上，测试中完成了舀爆米花、清理桌面和用脚擦干液体。
延伸阅读
- 逐际动力 FluxVLA V2：14 种策略与 9.64 倍推理加速2 周前
- 微软Project Quine：首个生物学世界模型如何在一个周末筛出抗癌候选物1 月前
- 高德 λ0 全身基座模型：500 小时人类数据，真机成功率 62.5%3 周前
- 特斯拉 Optimus 量产版上端到端视觉模型：对齐 FSD1 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- Gemini Robotics 2.5 上生产线：奔驰产线分拣成功率 96%2026-11-11
- Figure AI 招机器人夜班管理员：时薪 45 美元2026-11-10
- 天翼电信终端牵手优必选：3 年推 100 万台家庭陪伴机器人2026-11-09