英伟达在 CoRL 2026 推出新一代机器人基础模型 GR00T 2，英伟达研究院的 Jim Fan 公开评价直呼太棒了，这套模型属于世界动作模型，不再只是单纯输出机器人动作，而是同步预判场景接下来会发生什么样的画面以及配套动作，整套预训练素材里面体量最大的就是 402730 小时人类第一视角操作视频，再搭配手持夹爪演示、机器人遥操作数据，用来教会机器人看懂人类日常操作逻辑，解决过去机器人必须靠大量人工遥操作采集轨迹才能学会干活的痛点；它还附带轻量化版本 GR00T 2 Turbo，能够直接跑在人形机器人机载边缘算力上，跨不同形态机器人迁移技能的能力大幅提升，官方计划在今年 12 月放出权重与训练方案，同时开放一部分训练视频数据集，让更多开发者可以基于这套模型做灵巧操作、工业装配方向的二次开发。
一、GR00T 2 完整训练数据集
| 数据类型 | 时长 | 说明 |
|---|---|---|
| 人类第一视角视频 | 402730 小时 | 主体训练素材，用来学习人类物理交互习惯 |
| 手持 UMI 夹爪演示 | 10184 小时 | 覆盖 2897 项实操任务，提供精准操作轨迹 |
| 机器人遥操作数据 | 23500 小时 | 让模型适配不同机器人本体的运动控制逻辑 |
二、核心版本与性能表现
- 标准版 GR00T 2：基于 Cosmos‑Predict2.5‑2B 构建，面向离线训练、高精度灵巧操作。在 50 项从未见过的测试任务上，零样本成功率 40%；仅提供一次演示，成功率提升至 71%；给到五次演示微调之后，成功率可达 95%，可以完成内存模组安装、小件组装、实验室精细操作这类高难度任务。
- GR00T 2 Turbo：面向机载实时推理，在宇树 G1 人形机器人搭配 Jetson Thor 平台运行，单次预测延迟仅 124ms，牺牲一小部分极致灵巧能力，换取能够在实体机器人上边跑边决策。
三、它和老一代 GR00T 的关键差别
老版本 GR00T 属于视觉语言动作模型，输入图像和指令，直接输出动作序列；GR00T 2 升级为世界动作模型，把未来画面预测和动作预测绑定在一起。
- 如果预判接下来场景会出错，模型可以提前放弃这条动作路线；
- 不需要为每一款新机器人单独采集海量遥操作数据，支持跨具身迁移；
- 大规模引入互联网级别的人类实操视频，降低机器人技能采集成本；
- 搭配同步发布的 Isaac Lab 3.0，新 Newton 物理引擎支持线缆、布料这类容易变形物体仿真，仿真训练吞吐相比旧版本最高提升 2.5 倍。
四、当前合作落地方向
目前已经有多家企业跟进测试 GR00T 2。富士康把它用于服务器组装自动化，西门子评估它在工业产线的应用潜力，还有团队在用它做衣物柔性处理；后续开放权重之后，独立机器人团队、高校实验室也可以接入，不用从零搭建庞大的机器人动作数据集。
五、现阶段存在的局限
虽然 GR00T 2 泛化能力很强，但它依然会被真实世界里没有见过的异形物体、特殊工装卡住；视频学到的人类动作，有时候在机械结构完全不一样的机器人身上会出现适配偏差；同时完整权重还没有对外放出，现在只能看论文和现场演示，正式开源要等到 12 月，最终开源许可条款还没有完全敲定。
六、这条路线的行业意义
之前想要训练会精细干活的机器人，最大门槛就是采集昂贵的遥操作轨迹；GR00T 2 证明海量人类第一视角视频可以作为主要预训练原料，先学会物理世界的互动规律，再用少量机器人演示微调，把具身智能的数据成本往下压，也是物理 AI 从仿真走向真实工厂、家庭操作很关键的一步。
【相关 FAQ】
问题 1：英伟达 GR00T 2 使用多少人类视频参与训练，Jim Fan 对它评价如何？
回答 1：英伟达 GR00T 2 使用超过 40 万小时人类第一视角视频作为核心训练素材，英伟达研究院 Jim Fan 在发布之后公开评价直呼太棒了，看好这套世界动作模型路线。
问题 2：英伟达 GR00T 2 的世界动作模型，和过去 VLA 视觉语言动作模型差别在哪？
回答 2：英伟达 GR00T 2 作为世界动作模型，同时预测未来画面和机器人动作；传统 VLA 只输出动作，缺少对场景演化的预判，所以 GR00T 2 在陌生任务上泛化更强。
问题 3：GR00T 2 Turbo 可以直接放在人形机器人上面跑吗？
回答 3：可以，GR00T 2 Turbo 是轻量化分支，能够部署在宇树 G1 等人形机器人机载 Jetson Thor，单次推理约 124ms，适合机器人现场实时操作。
问题 4：什么时候可以拿到 GR00T 2 的模型权重，配套数据集开放多少？
回答 4：英伟达计划在 2026 年 12 月开放 GR00T 2 的权重与训练方案；训练所用的人类视频里面，拿出 10 万小时作为 Human‑1M‑100K 对外开源。
【参考资料】
[2026-11-10]（Jim Fan 直呼太棒了！英伟达 GR00T 2 发布，40 万小时人类视频训练）量子位
[2026-11-10]（NVIDIA GR00T 2: Robots Learn Skills From Human Video）OpenAI Master
[2026-11-10]（英伟达发布 GR00T 2 世界动作模型）VR 陀螺
[2026-11-10]（GR00T 2：Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation）NVIDIA Research
[2026-11-10]（NVIDIA’s Robot Strategy Moves Beyond Imitation Learning）Artiverse
【免责声明】
本文全部性能、数据集、开源时间信息来自英伟达论文、发布会以及行业媒体报道；GR00T 2 正式权重尚未发布，实际部署效果会受机器人硬件、微调数据、场景影响；文中内容仅作为具身智能科普，不构成项目选型、投资建议；最终开源协议与交付时间，以英伟达官方公告为准。
本文来自作者[旋矢探微人]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/jqr/202611/1441.html
评论列表（4条）
我是乌兰科技网的签约作者“旋矢探微人”！
希望本篇文章《Jim Fan 盛赞，英伟达 GR00T 2 正式登场，依托超 40 万小时人类视频训练的机器人世界动作模型》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：英伟达在 CoRL 2026 推出新一代机器人基础模型 GR00T 2，英伟达研究院的 Jim Fan 公开评价直呼太棒了，这套模型属于世界动作模型，不再只是单纯输出机器人动作，而是同步预判场景接下来会发生什么样的画面以及配套动作，整套预训练素材里面体量最大的就是 402730 小时人类第一视角操作视频，再搭配手持夹爪演示、机器人遥操作数据，用来教会机器人看懂人类日常操作逻辑，解决过去机器人必须靠大量人工遥操作采集轨迹才能学会干活的痛点；它还附带轻量化版本 GR00T 2 Turbo，能够直接跑在人形机器人机载边缘算力上，跨不同形态机器人迁移技能的能力大幅提升，官方计划在今年 12 月放出权重与训练方案，同时开放一部分训练视频数据集，让更多开发者可以基于这套模型做灵巧操作、工业装配方向的二次开发。