英伟达发布GR00T2机器人模型,具身智能创业公司面临新挑战
英伟达在CoRL大会上推出新一代机器人基础模型GR00T 2,支持从人类视频学习、跨构型技能迁移与少样本快速适配;其开源计划与轻量版Turbo型号直指人形机器人实时控制需求,而同期Anthropic的...
11月9日,在美国奥斯汀举行的机器人学习大会CoRL上,英伟达悄然发布了新一代机器人基础模型GR00T 2。这一动作被部分观察者称为“黄仁勋辞职前的伏笔”——就在三天后,英伟达CEO黄仁勋宣布卸任董事长职务。但对机器人领域而言,GR00T 2的亮相更具实质意义:它标志着通用大模型向具身智能的渗透已进入工程化落地阶段。
英伟达机器人研究负责人Jim Fan在演讲开场引用《权力的游戏》台词“凛冬将至”,意指GPT-6 Astra等通用推理模型正冲击传统机器人专用大脑的研发逻辑:当一个大模型能直接指挥机械臂,是否还有必要为机器人单独训练一套“大脑”?然而结尾他话锋一转:“夏天来了。”这句转折指向的,正是GR00T 2所代表的技术路径——不再孤立构建机器人模型,而是将其嵌入更广阔的多模态学习体系中。
GR00T 2的核心突破体现在三方面:学习范式升级、跨构型迁移能力增强,以及任务适配效率显著提升。其底层架构采用“世界动作模型”(World Action Model, WAM),区别于传统视觉语言动作模型(VLA)仅预测动作,WAM通过扩散Transformer同步预测未来画面与机器人动作。例如,当机械臂将零件插入插槽时,模型不仅输出关节指令,还模拟零件接触后环境状态的变化。这种设计使模型可直接利用无控制信号的人类第一视角视频进行训练,大幅降低对昂贵遥操作数据的依赖。
据英伟达披露,GR00T 2预训练共使用约40.3万小时人类第一视角视频、1万小时手持夹爪示范及2.35万小时机器人遥操作数据。在72项真机任务测试中,随着人类视频训练规模扩大,模型进度指标从50%提升至70%,验证了Ego数据集的实用价值。
第二项关键能力是“X-Adapt”跨构型技能迁移。实验显示,一台未接受过特定任务训练的机器人,仅通过人类示范即可完成化学实验中的滤纸润湿操作,成功率达65%;YAM机械臂借助手持夹爪示范,组装玩具卡车的成功率亦达60%。该能力虽仍需目标机器人提供少量通用动作数据以适配自身硬件,但已显著减少重复采集成本。
第三项进步体现在任务泛化效率上。在50个全新任务测试中,GR00T 2零样本平均成功率为40%;每任务增加一次示范并微调后,成功率升至71%;增至五次示范时,平均成功率高达95%。值得注意的是,五次示范所需机器人操作时间不足3分钟,单张RTX 5090显卡上的轻量微调耗时约30分钟。
为应对人形机器人实时控制需求,英伟达同步推出轻量版GR00T 2 Turbo,可部署于宇树G1搭载的Jetson Thor平台,单次动作预测延迟约124毫秒,配合高频全身控制器实现闭环控制。
更值得警惕的是行业协同效应。就在GR00T 2发布的同一天,Anthropic推出Claude Fable 5.2——一款主攻编程与推理的通用大模型,却已在公开视频中展示其操控真实机器人完成魔方还原、拧瓶盖与绘画等任务的能力。这意味着,通用大模型正从“理解世界”迈向“作用于世界”,而其训练数据来源远比机器人专用模型丰富。
上述进展对具身智能初创公司构成实质性压力。过去几年,一批创业公司聚焦“机器人专用大脑”,试图通过高质量遥操作数据与定制化架构建立壁垒。但GR00T 2的开源策略(模型权重、代码及适配方案计划于12月开放)与Anthropic的通用模型下探,正在瓦解这一路径的经济性与技术独特性。
具体而言,创业公司面临两面夹击:一方面,英伟达提供开箱即用的基础模型,大幅压缩从零训练的时间与算力成本;另一方面,通用大模型厂商凭借海量文本与视频数据持续迭代,其推理层可无缝衔接动作执行模块,形成“认知-决策-执行”一体化链条。一位不愿具名的具身智能创业者坦言:“我们曾以为三年内不会出现能处理10万小时人类视频的开源模型,现在它提前落地了。”
当然,当前成果仍限于实验室环境下的结构化任务。GR00T 2在工业场景中的长期稳定性、抗干扰能力与安全冗余机制尚未经过严苛验证。但技术演进方向已然清晰:未来机器人系统的竞争力,或将更多取决于上层任务规划与异常处理能力,而非底层动作生成本身。
英伟达此次并未强调“替代人类”,而是突出“扩展人类能力”。其公开的10万小时人类第一视角视频数据集,意在推动社区共建。若该模式被广泛采纳,机器人研发将加速从“孤岛式创新”转向“平台化协作”——这对行业生态是利好,对缺乏算力与数据资源的初创企业,则意味着必须重新定位自身价值锚点:是深耕垂直场景的工程优化,还是转向更高阶的认知-控制协同架构?
目前,GR00T 2的完整开源计划将于12月启动,其实际落地效果将在接下来半年内逐步显现。而具身智能领域的竞争,正从“谁有更好模型”转向“谁能更快整合模型与硬件”——夏天已至,但并非所有玩家都能共享阳光。
