五次学习后成功率达95%!英伟达发布GR00T 2世界动作模型

从“走稳”到“摸准”:CoRL 2026的议题位移

11月9日,机器人学习大会CoRL 2026在奥斯汀开幕。英伟达在会上发布了三样东西:GR00T 2世界动作模型、Isaac Lab 3.0仿真框架,以及一组新的开源机器人基准。官方博客的标题把这三件事的共同指向概括得很清楚——“练习造就精确”:仿真环境长期被用来训练机器人走路、滚动、跳跃,现在,它开始被用来教机器人对齐齿轮、连接线缆、组装微小零件。

这个议题的位移,标记的是人形机器人从“运动能力”向“操作能力”的阶段转换。行走和平衡已经不再是瓶颈,手部的精细控制、长时程任务的连贯性、以及跨形态的技能迁移,才是当前卡住从实验室演示走向工业部署的那几道关。英伟达这次发布的所有组件,都是围绕这几道关来组织的。

GR00T 2:先预测世界,再决定动作

GR00T 2是一个约20亿参数的世界动作模型(World Action Model,WAM),构建在NVIDIA Cosmos之上。它与传统视觉-语言-动作模型(VLA)的关键区别在于预测的对象。VLA接收视觉和语言输入,直接输出机器人动作;GR00T 2则在同一次扩散生成过程中,联合预测未来视频帧和机器人动作——它先“想象”动作执行后环境会变成什么样,再据此决定手该往哪里动。

训练数据的构成决定了这种能力的来源。模型使用了约402,730小时的人类第一人称视频、10,184小时的手持夹爪演示和23,500小时的机器人遥操作数据,其中10万小时的Human-1M数据集已对外开放。这个配比说明,GR00T 2的泛化能力在很大程度上是从人类行为中提取的,而不是依赖大量目标机器人的专属遥操作数据。

少样本泛化:40%、71%、95%三个台阶

在50项目标机器人从未接受过专门训练的任务上,GR00T 2的成绩单可以用三个数字来读。零样本条件下,它在40项任务中至少成功执行过一次,全部50项的平均成功率为40%;每项任务增加一次人类演示后,平均成功率升至71%;五次演示后达到95%,对应的微调只需在单张RTX 5090上约30分钟,每项任务所需的机器人数据不到3分钟。

需要区分的是“至少成功一次”和“平均成功率”这两个口径。40/50指的是覆盖广度,40%指的是平均表现。前者说明模型的零样本能力能触及大部分任务类型,后者说明在不给任何目标域示例的情况下,大部分任务还不能稳定完成。五次演示把平均成功率推到95%,才是这套能力真正具有工程意义的刻度:它把“教机器人一个新任务”的数据成本,从数百次遥操作压缩到了个位数演示加半小时微调。

跨形态迁移:从人的手到机器的手

比少样本泛化更具结构意义的,是GR00T 2的跨形态迁移能力。英伟达将其称为X-Adapt:技能可以从人类演示迁移到从未练习过该任务的机器人身上,也可以在不同机器人形态之间转移,而不需要在每一种目标本体上重新采集遥操作数据。

具体实验给出了可量化的参照。一个人类演示的“给漏斗铺滤纸并润湿”任务,在从未被遥操作过的五指机器人上达到了65%的成功率;一个手持UMI夹爪演示的玩具卡车组装任务,在另一款YAM机械臂上达到了60%的成功率,后者同样没有收到任何针对该任务的专属演示。这些数字离“可靠部署”还有距离,但它们证明了一件事:机器人学习新技能的瓶颈,正在从“数据采集的物理成本”转向“技能迁移的算法效率”。

Isaac Lab 3.0:2.5倍吞吐背后的物理引擎换血

GR00T 2解决的是“学什么”,Isaac Lab 3.0解决的是“在哪里练”。这个开源机器人学习框架的最新版本,核心变化是更深度地集成了Newton开源物理引擎,能够对线缆、布料和灵巧手这类复杂铰接系统进行建模。在基于视觉的灵巧操作基准上,Isaac Lab 3.0搭配Newton的训练吞吐量最高达到Isaac Lab 2.3搭配PhysX的2.5倍,支撑数千台仿真机器人并行训练。

吞吐量的提升不只是“跑得更快”。它改变了仿真在机器人开发流程中的位置:当数千个环境可以同时训练,策略的迭代周期从“天”压缩到“小时”,失败样本的回收和再训练变得更加可行。英伟达同步披露的AlphaNIST案例给出了一个具体的效率参照:在NIST装配任务板的20项任务上,单一策略的训练成功率超过98%,而按任务分别训练的策略为81%,前者使用的GPU时间约为后者的1/39。

Agentic工作流与新基准:把“会做”变成“会组合”

这次发布的第三条线索,是机器人学习与智能体框架的衔接。GR00T 2的API允许AI智能体按顺序调用技能、在出错时恢复并重新编排动作。在三个玩具组装任务中,推理模型通过API将复杂任务拆解为步骤并监控进度,每个玩具至少完成97/100次试验,并能在过程中处理中断和错误。一个视觉引导功能允许推理模型在图像上标记抓取和放置的位置,在YAM机械臂的短任务上,成功率从40%提升到了92%。

评估一侧,英伟达联合合作伙伴推出了DexBench(15项任务,覆盖零售、物流、制造、酒店四个场景)和VABAR(6项工业任务)等新基准,加上已有的RoboCasa365、RoboLab、RoboDojo和MolmoSpaces,试图为“机器人在真实工作中能做什么”提供一套可对照的标尺。GR00T 2在这些基准的VLA和世界动作模型类别中均位列前三。

开源的时间表,与物理AI的下一道关

英伟达公布的开源计划覆盖了模型、仿真、数据和智能体框架的全栈。GR00T 2及更轻量的GR00T 2 Turbo的权重将于12月开放,训练配方和跨形态迁移的方法一并发布。合作伙伴一侧,Foxconn正在将GR00T 2用于服务器制造的工厂自动化,Siemens在评估工业用例,Nexuni在测试衣物处理,Skild AI、Dyna Robotics、FieldAI等初创公司和UC Berkeley、华盛顿大学等研究机构也在使用这套技术栈。

从“会走路”到“会干活”,英伟达用GR00T 2、Isaac Lab 3.0和一套开源基准,把物理AI的工程化路径摊开在了桌面上。但95%的少样本成功率仍然是在50项受控任务上的平均表现,跨形态迁移的65%和60%也还停留在“能做成”而非“能稳定做成”的阶段。物理AI的下一道关,不是再刷高一个基准分数,而是让这些在仿真和演示中成立的数字,在工厂的节拍、实验室的流程和真实世界的意外面前,保持同样的成色。

(素材来自:NVIDIA 智算芯能前沿网综合)

本文由智算芯能前沿网编辑整理,转载请注明出处。