英伟达公布 GR00T 2 世界动作模型及技术报告，把未来视频和机器人动作放在同一模型中预测。研究演示了从人类视频、手持夹爪或可穿戴设备获得的技能向机器人迁移。
在官方的 50 项未见任务测试中，零样本成功率为 40%；每项任务提供五次示范，并在单张 RTX 5090 上微调约半小时后，成功率达到 95%。这些数字对应特定机器人和评测条件，不代表任意家庭任务都能达到同样效果。
配套 GR00T 2 Turbo 面向机载运行，官方报告其在宇树 G1 的 Jetson Thor 上单次预测耗时为 124 毫秒。项目页标明代码将在 12 月提供，因此当前应称为研究和演示公开，不能写成整套代码已开源可用。
来源：NVIDIA 原文。
图片来源：NVIDIA。