英伟达发布GR00T N2:40万小时人类视频练出机器人动手能力

量子位 · wechat · 2026-11-10

在 CoRL 大会上,英伟达 GEAR 的朱玉可与 Jim Fan 发布新一代世界动作模型 GR00T N2,能同时预测未来画面与机器人动作,演示覆盖裁剪、装显卡、擦火柴、切香蕉、收桌子等双手精细操作与全身移动任务。模型、数据、仿真环境和采集硬件将陆续开源,首批 10 万小时人类数据已开放。

X-Adapt 跨本体迁移:人类/手持设备示范的技能可直接迁移给未练过的机器人——

少样本微调:Dexter-50 评测零样本 40%,1 次示范 71%,5 次示范(合计不足 3 分钟)达 95%,再在单张 RTX 5090 上约 30 分钟 LoRA 微调即可适配新任务。

数据金字塔:预训练混合 402,730 小时人类第一视角视频、10,184 小时 UMI 演示(2,897 项任务)、23,500 小时机器人遥操作数据。消融实验显示人类视频使 72 项任务平均进度从 50% 提到 70%。

配套工具链:采集端 UMI/DexUMI,数据端 Human-1M 与 Flora,仿真端 SimFoundry,执行端 ASPIRE/Turbo/SONIC(G1 机载 Jetson Thor 单次预测 124ms,50Hz 全身控制),并开放 WAM API 供上层推理智能体调用物理技能。

Jim Fan 现场表示:"Astra 打碎的不是我们的梦想,是围墙。这不是寒冬,是机器人的夏天。"另注:Anthropic 的 Claude Fable 5.2 在 RoboDojo 仿真双臂测试得分 64.9%,远超 GPT Astra 的 29.8%。

「具身」频道最新