Nvidia 发布 GR00T 2：从视频学习人类动作来训练机器人

Nvidia 发布机器人基础模型 GR00T 2，核心思路是让机器人通过观看约 40 万小时的人类视频来学习新任务，绕开传统遥操作数据采集的高成本流程。模型会将视频中人类手部动作迁移到机械臂上，相当于让模型在想象中“把自己当成机器人”来理解动作如何执行。 从效果看，GR00T 2 目前还不够稳定：任务成功率在 10% 到 80% 之间大幅波动，具体取决于任务类型。这意味着简单任务已可用，复杂操作仍需额外微调或人工介入。 对机器人行业来说，用互联网视频替代人工示教是降低数据成本的关键方向，Nvidia 的 40 万小时视频训练规模在同类机器人基础模型中属于激进尝试。开发者可以关注其在 Isaac 生态中的落地方式，企业用户则需留意不同任务场景下成功率的差异。