輝達發布機械人基礎模型 GR00T 2　看人類影片學做精細動作

輝達（NVIDIA）11 月 9 日在德州奧斯汀舉行的機械人學習會議（CoRL）上發布新一代機械人基礎模型 GR00T 2，主打「看人類影片學做事」：模型以人類第一身影片為主要訓練材料，學習精細操作動作，再把技能轉移到不同形態的機械人身上。輝達同時發布 GR00T 2 Turbo 精簡版，以及機械人訓練框架 Isaac Lab 3.0。

同時預測畫面與動作　先看懂再動手

GR00T 2 是輝達所謂的「世界動作模型」（world action model），建基於 Cosmos 世界模型系列，以一部 20 億參數的擴散 Transformer，同時預測場景接下來的變化，以及機械人應該採取的動作。輸入包括近期影片、任務指令及機械人當前狀態。輝達稱，這種設計讓模型先理解任務的物理過程，再決定如何動手，而非只模仿動作軌跡。

40 萬小時人類影片訓練　五次示範後成功率 95%

訓練數據方面，輝達公布的混合比例包括 402,730 小時第一身人類影片、10,184 小時手持夾爪示範，以及 23,500 小時機械人遙控操作數據；其中 10 萬小時人類影片以 Human-1M-100K 數據集名義公開，以 CC BY 4.0 授權釋出。輝達亦用「X-Adapt」跨形態遷移技術，把在某種機械人或人類身上學到的技能轉移到另一種機械人，包括夾爪機械臂、靈巧手及 Unitree G1 人形機械人。

在 50 項靈巧操作測試（Dexter-50，目標機械人為配備兩隻 22 自由度 Sharpa 靈巧手的雙臂機械人）中，GR00T 2 在完全沒有針對該機械人的示範下平均成功率為 40%，50 項中有 40 項至少成功一次；看過一次示範後升至 71%，五次示範並經 30 分鐘微調（單張 RTX 5090 顯卡）後達 95%。

95% 數字要打折扣　模型代碼 12 月才公開

必須注意的是，95% 並非實地可靠性數字：輝達白皮書披露，50 項測試任務是從「看過五次示範後能學會（成功率至少 80%）」的任務中挑選出來的，數字本身帶有篩選條件；所有成績均為輝達自家評估，尚未有獨立複核。富士康、Siemens 及 Nexuni 等合作方目前只處於測試或評估階段。

「開放」的程度亦有限：10 萬小時數據集確已公開，但模型本身的代碼要到 12 月才提供，權重發布日期與授權條款至今未公布；Isaac Lab 3.0 則已正式推出。來源：輝達官方博客、輝達研究頁面、The Robot Report，2026 年 11 月 9 日；The Neuron、alfw.ai，2026 年 11 月 10 日。