Nvidia发布GR00T 2世界-动作模型

Nvidia发布新AI基础模型GR00T 2，通过把人类视频中的动作迁移到机械臂来减少遥操作训练。它不再是从视觉-语言直接输出动作的VLA模型，而是世界-动作模型（WAM），同时预测下一步动作和用扩散模型预测短期未来视频，从而在不同机器人形态间迁移动作序列。 Nvidia用超过一千块GB300芯片的集群训练该系统，包含约40万小时人们头戴摄像头执行各种任务的视频。实验室测试中，一台五指机械手机器人据此点燃火柴、切香蕉、把包裹抛上传送带，未对这些任务进行过遥操作。该模型尚不能处理触觉传感器数据，有时会漏掉半拧的螺丝等细微错误。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。