一句话看懂：英伟达发布GR00T 2机器人基础模型，通过观看人类视频并预测动作后的画面变化，让机械臂无需针对每项任务遥操作即可学习新技能，但实验成功率在10%到80%之间，距离可靠落地仍有明显差距。
事件核心：发生了什么
2026年11月10日，英伟达公布GR00T 2研究进展。与上一代GR00T 1把视觉和语言直接映射为电机指令不同，GR00T 2被定义为“世界-动作模型”（WAM），在输出动作的同时用扩散方式预测未来短时视频，例如机械臂抓起物体后摄像头画面应如何变化。英伟达称，该系统用超过1000块GB300芯片训练，数据包括约40万小时人类佩戴头戴摄像头完成任务的视频。训练新任务时，人只需用数据手套、专用夹爪或手指外骨骼演示步骤，模型便在视频预测中把“人手”替换为目标机器人并生成控制指令。
为什么重要
遥操作长期是机器人学习新技能的瓶颈：昂贵、缓慢，且每种机型都要单独采数据。GR00T 2试图用视频预测作为跨形态迁移的中间层，把互联网规模的人类动作视频转化为机器人可用的训练信号。若这条路线成立，机器人部署成本有望下降，英伟达也能从芯片供应商进一步延伸到机器人基础模型层，与OpenAI等大模型厂商形成互补或竞争。
对用户/开发者/创作者的影响
对机器人开发者，GR00T 2暗示了一条“少量人类演示+通用运动数据”的微调路径，但素材显示模型尚不直接处理触觉传感器数据，且会漏掉螺丝只拧一半这类细微错误，工程集成仍需大量验证。对算力采购方，千块GB300的训练规模说明这类基础模型门槛极高。目前公开信息显示，英伟达还提供可在Jetson Thor上运行的轻量版GR00T 2 Turbo，面向双足机器人本地推理。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是英伟达是否公布更多任务和机型的复现结果，尤其是成功率偏低的任务；二是高层语言模型规划带来的延迟问题能否缓解——素材中分拣垃圾时机器人约有三分之一时间在等待规划模型，平均超过7秒；三是GR00T 2能否从研究演示走向可供开发者调用的API或开源权重。
