辉达发布机械人基础模型 GR00T 2　看人类影片学做精细动作

辉达（NVIDIA）11 月 9 日在德州奥斯汀举行的机械人学习会议（CoRL）上发布新一代机械人基础模型 GR00T 2，主打「看人类影片学做事」：模型以人类第一身影片为主要训练材料，学习精细操作动作，再把技能转移到不同形态的机械人身上。辉达同时发布 GR00T 2 Turbo 精简版，以及机械人训练框架 Isaac Lab 3.0。

同时预测画面与动作　先看懂再动手

GR00T 2 是辉达所谓的「世界动作模型」（world action model），建基于 Cosmos 世界模型系列，以一部 20 亿参数的扩散 Transformer，同时预测场景接下来的变化，以及机械人应该采取的动作。输入包括近期影片、任务指令及机械人当前状态。辉达称，这种设计让模型先理解任务的物理过程，再决定如何动手，而非只模仿动作轨迹。

40 万小时人类影片训练　五次示范后成功率 95%

训练数据方面，辉达公布的混合比例包括 402,730 小时第一身人类影片、10,184 小时手持夹爪示范，以及 23,500 小时机械人遥控操作数据；其中 10 万小时人类影片以 Human-1M-100K 数据集名义公开，以 CC BY 4.0 授权释出。辉达亦用「X-Adapt」跨形态迁移技术，把在某种机械人或人类身上学到的技能转移到另一种机械人，包括夹爪机械臂、灵巧手及 Unitree G1 人形机械人。

在 50 项灵巧操作测试（Dexter-50，目标机械人为配备两只 22 自由度 Sharpa 灵巧手的双臂机械人）中，GR00T 2 在完全没有针对该机械人的示范下平均成功率为 40%，50 项中有 40 项至少成功一次；看过一次示范后升至 71%，五次示范并经 30 分钟微调（单张 RTX 5090 显卡）后达 95%。

95% 数字要打折扣　模型代码 12 月才公开

必须注意的是，95% 并非实地可靠性数字：辉达白皮书披露，50 项测试任务是从「看过五次示范后能学会（成功率至少 80%）」的任务中挑选出来的，数字本身带有筛选条件；所有成绩均为辉达自家评估，尚未有独立复核。富士康、Siemens 及 Nexuni 等合作方目前只处于测试或评估阶段。

「开放」的程度亦有限：10 万小时数据集确已公开，但模型本身的代码要到 12 月才提供，权重发布日期与授权条款至今未公布；Isaac Lab 3.0 则已正式推出。来源：辉达官方博客、辉达研究页面、The Robot Report，2026 年 11 月 9 日；The Neuron、alfw.ai，2026 年 11 月 10 日。