Nvidia 研究 GR00T 2：从人类视频学习动作并预测机器人未来画面

Nvidia 在新研究报告中介绍 GR00T 2，这一世界-动作模型会同时计算下一步动作和未来短片段的画面，从而把人类视频中的动作迁移到机械臂。模型用超过一千块 GB300 芯片训练，包含约 40 万小时佩戴头戴摄像头的人类操作视频；实验室中五指机器人无需针对任务遥操作即可点蜡烛、切香蕉或把包裹抛上传送带，成功率随任务在 10% 到 80% 之间。