NVIDIA 开源模型 GR00T 2 通过人类视频训练精细手部操作

2026 年 11 月 9 日，NVIDIA 在 CoRL 2026 大会（于美国得克萨斯州奥斯汀举行）上公布了机器人学习与仿真方面的进展。NVIDIA 官方博客撰文称，仿真长期是机器人学习行走、滚动和跳跃的试验场，如今正在帮助研究人员教机器人完成需要更精细触感的任务，例如对齐齿轮、连接电缆和组装小部件，机器人应用正从移动转向操作。同场，NVIDIA 介绍了基于 NVIDIA Cosmos 构建的开源前沿世界动作模型 GR00T 2 与 Isaac Lab 3.0，并开放了用于机器人训练的基准测试。

关于 GR00T 2 的训练数据与能力，各方报道说法不一。DEV Community · AI 转载的 NVIDIA 博客称，该模型的训练结合了机器人数据与人类数据，其中包括 10 万小时的 NVIDIA 开源人类第一视角数据，AI agents 可以利用该模型将人类示范中学到的技能在不同机器人本体之间迁移，而无需针对机器人本体的示范。The Next Web 报道称，GR00T 2 部分基于 10 万小时人类视频训练，用于教机器人掌握精细的手部技能，在 NVIDIA 的测试中，每项任务只需五次演示即可达到 95% 的平均成功率，并称 Foxconn、Siemens 和 Nexuni 正在测试该模型。The Decoder 的报道则称，该模型从视频中提取人类手部动作并迁移到机械臂，训练使用了约 40 万小时的视频素材，无需逐台遥操作示教，但各任务的成功率差异很大，从 10% 到 80% 不等。目前的信息即停留在此处：NVIDIA 已发布 GR00T 2，各篇报道所引用的测试成功率相差较大，报道未给出后续结果或定论。