11月11日消息，在CoRL2026机器人学习大会上，英伟达正式对外公开新一代机器人基础模型GR00T 2，这是一套世界‑动作模型（WAM，World‑Action Model），可以同时预测未来视频画面与机器人动作，实现从人类视频、穿戴设备示范向真实机器人跨本体技能迁移，兼顾灵巧操作、快速适配与人形机器人全身运动控制，代码计划在 2026 年 12 月开放。

不同于传统机器人模型只输出动作指令，GR00T 2 通过扩散 Transformer 架构，同步推演环境将会发生的物理变化与对应的机器人执行动作，一套权重即可适配平行夹爪、五指灵巧手、人形机器人多种硬件本体，解决过去机器人 “换一台机器就要重新采集大量示范数据” 的痛点。

海量混合预训练数据集，人类第一视角视频成为核心

GR00T 2 预训练集合三类大规模数据，总规模超 43 万小时：402730 小时人类第一视角工作视频、10184 小时手持 UMI 夹爪示范（覆盖 2897 项任务）、23500 小时机器人遥操作数据，涵盖 YAM、Franka、Sharpa 灵巧手、Wuji、Unitree G1 人形机器人多款平台。其中 10 万小时人类第一视角数据集Human‑1M‑100K已经在 Hugging Face 开源，可供研究者直接使用。

测试显示，随着人类视频数据占比提升，下游任务性能持续上涨；在真实机器人测试集上，任务完成度从 50% 提升至 70%，证明人类视频是机器人获取物理常识的关键来源。

三大核心能力：跨本体迁移、少样本快速适配、智能体协同控制

1.X‑Adapt 跨本体迁移：看人类演示，机器人直接干活

GR00T 2 最大突破是X‑Adaptability（跨本体适配）：技能仅在人类或者其他设备上演示过，目标机器人没有见过该任务示范，也可以直接复用技能，英伟达给出三组验证：

1. 人类→机器人：仅观看人类化学实验视频，双臂灵巧机器人完成滤纸铺放，65% 试验成功，无需机器人端示范数据。

2. 手持 UMI 夹爪→YAM 机械臂：仅用手持设备完成玩具自卸卡车组装示范，YAM 机械臂自主完成这项最长 4 分钟长时序任务，成功率 60%。

3. 穿戴 DexUMI 外骨骼→机器人灵巧手：人类佩戴可穿戴外骨骼演示，双手机器人可以制作香蕉酸奶、舀麦片早餐，甚至完成划火柴点灯这类高动态精细操作。

2. 少样本快速学习：5 次演示，单卡 30 分钟微调冲到 95% 成功率

针对 50 项目标机器人从未见过的任务，GR00T 2 零样本即可达到40% 平均成功率；仅提供每项任务 5 段示范，合计不到 3 分钟机器人原始数据，在单张 RTX5090 显卡上做 30 分钟 LoRA 微调，任务平均成功率直接提升至95%，50 项任务中有 37 项实现 100% 试验成功。

针对内存插槽安装、玩具组装等高难度灵巧任务，搭配真实机器人上的 GRPO 强化学习自模仿，三项高接触插入类任务成功率被提升至 88‑96%。

3.Agentic 智能体模式：大模型做规划，GR00T 2 负责物理操作

GR00T 2 提供 WAM API，可以接入大语言推理智能体，形成 “大模型做任务拆解、校验纠错；GR00T2 完成复杂接触操作” 的分工模式。

在 YAM 机械臂玩具组装测试，智能体 + GR00T2 组合，三款玩具各做 100 轮连续试验，合计 292 次组装成功；其中玩具飞机组装成功率 98%。

新增视觉引导（Visual Steering）功能：推理智能体直接在相机画面标记抓取点、放置点，模型自主生成接近、抓取、搬运全套运动。该功能让 YAM 机械臂短指令任务成功率从 40% 提升到 92%；20 轮垃圾分拣长时序任务完成 17 轮，大幅缓解杂乱环境下语言指令指代模糊的难题。

GR00T 2 Turbo：人形机器人板载实时推理，Unitree G1 实现全身操作

英伟达同步推出轻量化版本GR00T 2 Turbo，参数量 2B，通过高压缩视频编码器降低计算开销，可以直接部署在 Unitree G1 人形机器人板载 Jetson‑Thor 硬件上。

- G1 板载端单次预测延迟124ms；RTX5090 环境推理仅需 38ms。

- 配合 SONIC 全身控制器，机器人可以边行走、弯腰移动身体，边完成双臂作业。测试中爆米花舀取服务 48 次全部成功，桌面杂物清理任务成功率 93.3%。

加入仿真数据混合训练后，Turbo 在分布外未知任务的真实世界成功率从 6.7% 暴涨至 63.3%，仿真评估与真机结果皮尔逊相关系数达到 0.92，仿真环境可以有效预筛选策略，减少真机调试成本。

过去人形、灵巧机器人高度依赖针对每个任务大量采集机器人示范数据，成本高、迭代慢。GR00T 2 验证了大规模人类视频 + 跨本体迁移 + 智能体编排的技术路线：把物理常识从人类行为里蒸馏给机器人，用极少量真机示范就适配全新任务。

英伟达表示完整代码将于 2026 年 12 月放出，Human‑1M 部分数据集已经开源，为整个具身智能社区提供新的基准方案。

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.