英伟达发布机器人模型 GR00T 2：看人操作，也能学习动手

11 月 9 日，英伟达在机器人学习大会上推出机器人基础模型 GR00T 2。这个模型同时预测机器人接下来的动作和画面变化，可以从人类操作视频中学习技能，再将技能应用到机械臂、灵巧手和人形机器人上。[1]

从人类视频学习

英伟达将 GR00T 2 称为世界动作模型。它接收摄像头画面、任务指令和机器人状态，预测后续动作以及这些动作带来的场景变化，再控制机器人执行。

训练数据中，人类第一视角视频约有 40.3 万小时，另有约 1 万小时手持夹爪演示和 2.35 万小时机器人遥操作数据。其中，10 万小时人类第一视角视频已开放。[2]

这让机器人可以借用人类和其他机器人的操作经验。在一项实验中，研究人员只提供人类演示，让配有双手的机器人为实验漏斗铺设滤纸、用洗瓶润湿；20 次测试中，任务成功率为 65%。[2]

学习新任务时，少量针对目标机器人的演示也能提高成功率。英伟达选取 50 项任务测试：机器人没有针对这些任务接受演示时，平均成功率为 40%，其中 40 项至少成功过一次；每项任务提供一次演示后，平均成功率升至 71%，提供五次演示后升至 95%。五次演示合计使用的机器人数据不足三分钟，每项任务还需在单张 RTX 5090 上微调约 30 分钟。[2]

从机械臂到人形机器人

英伟达还展示了 GR00T 2 与推理智能体配合的方式：智能体拆解任务、检查进度，GR00T 2 负责具体操作。测试中，机械臂连续组装三种玩具时，每种各进行 100 次，分别成功 98 次、97 次和 97 次；零件掉落或操作停滞时，智能体会调用其他技能处理，再让模型继续工作。[2]

面向人形机器人，英伟达还推出运算量更小的 GR00T 2 Turbo。该版本在宇树 G1 机身的 Jetson Thor 上运行，演示了舀取和递送爆米花、清理桌面等动作。[2]

英伟达称，富士康正将 GR00T 2 应用于服务器制造自动化；Nexuni 正用它测试机器人衣物处理，西门子也在评估工业用途。机器人训练工具 Isaac Lab 同时更新至 3.0 版本，加入对布料、线缆等可变形物体的仿真支持。[1]

参考文献

[1] DOCCA S. Practice Makes Precise: At CoRL, NVIDIA and Partners Reveal How Robots Rehearse Delicate Work in Simulation[EB/OL]. (2026-11-09)[2026-11-10].

[2] NVIDIA. GR00T 2: Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation[EB/OL]. (2026-11)[2026-11-10].