英伟达机器人模型测试：每项5次示范，50项任务平均成功率达95%

一台机器人接到没有为它专门示教过的任务，需要人再教几遍？英伟达给出了一组新实验：在50项任务中，模型初始平均试次成功率为40%；每项加入1条示范后升至71%，加入5条后达到95%。这些是公司研究团队在指定机器人和任务上的测试结果。[1]

英伟达11月9日发布机器人模型GR00T 2。它把大量人类操作录像与机器人训练数据结合起来，同时预测接下来的画面和机器人动作，学习“怎样行动会带来怎样的环境变化”。项目页将代码可用时间标为12月。[1][2]

从人类录像获得经验，再适应具体身体

官方列出的预训练数据包括约40.27万小时人类第一视角视频、约1.02万小时手持夹爪示范和2.35万小时机器人遥操作数据。人类视频提供大量操作过程，机器人示范则帮助模型把这些经验对应到具体手臂、夹爪和身体的动作上。

为不同任务和硬件采集操作示范，是机器人训练的一项重要成本。英伟达尝试先从更广泛的数据学习动作与环境的关系，再用少量本机示范完成适配。

在上述50项测试里，“无对应示教”指目标机器人没有得到这些任务的专门示范；相关技能可能已出现在人类视频或其他机器人训练数据中。初始测试中，50项里有40项至少成功过一次，平均试次成功率为40%。

加入每项5条示范后，团队报告平均成功率95%；每项示范数据不足3分钟，使用单张RTX 5090显卡进行约30分钟的轻量微调。这里的微调，是利用已有模型，再针对具体任务补充训练。数据采集与训练时长对应这组实验条件。[1]

10万小时数据子集已有官方入口

英伟达同时为Human-1M数据集提供了10万小时子集入口，覆盖人类第一视角操作视频，并采用允许商业与非商业使用的署名许可。这个公开子集，是更大规模人类操作数据的一部分。[3]

从数据到模型，再到具体机器人适配，开放时间分成了不同阶段：研究介绍与数据子集已经可见，模型代码计划12月提供。

参考资料

[1] NVIDIA GEAR. GR00T 2项目研究介绍[EB/OL]. 2026-11[2026-11-11].

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

[3] NVIDIA. PhysicalAI-Human-1M-100K数据集说明[EB/OL]. [2026-11-11].