事件概述
11月14日,英伟达正式发布开放机器人研究模型GR00T 2,此前该模型已于11月9日在机器人学习会议CoRL上宣布,11月13日放出演示视频,代码开放时间为12月。模型定位为「世界动作模型」:同时预测未来视频帧与机器人动作,把场景变化预期与产生变化所需的运动关联起来。核心能力是跨本体迁移——从人类演示、手持夹爪、可穿戴手部设备及其它机器人本体的数据中学到技能,再迁移到不同手臂、灵巧手与机身结构,减少为每个平台重新采集演示的成本。
按厂商公布的结果,在50项目标机器人从未见过演示的任务中,零样本平均成功率40%,其中40项至少成功一次;每项补充1次演示后升至71%,5次演示后升至95%,采集不到3分钟,适配使用单张RTX 5090约30分钟微调。演示包括人类实验操作迁移到双五指手机器人铺滤纸与润湿(成功率65%),以及手持夹爪演示迁移到机械臂组装玩具翻斗车(60%)。上述均为厂商披露、未经独立复核,也不等同于陌生工厂环境下的可靠运行。配套方面,Isaac Lab 3.0已于10月发布并支持多物理引擎与多GPU训练;加州大学伯克利分校、英伟达与西门子研究者提出VABAR评测,覆盖工具分拣、齿轮啮合、线缆处理等六类工业任务。
背景与解读
一、技术背景与演进脉络
机器人基础模型的瓶颈长期不在算法规模而在数据:操作技能依赖与具体本体绑定的遥操作演示,机械臂、人形机器人、灵巧手在自由度、传感器与动力学上差异巨大,部署成本随本体数量近似线性增长。英伟达自GTC 2024提出Project GR00T起便主张为物理机器人构建通用基座;GR00T 2的进展在于把共享物理交互表征与世界模型预测结合,让一次演示可跨本体复用。
二、核心驱动与底层机制
关键在于把任务语义与本体运动学解耦:人类视频提供「要达成什么」的高层表征,目标机器人少量数据提供「我的身体如何动」的底层映射,二者在共享动作—状态空间对齐。联合训练未来画面与动作预测,使模型执行前评估动作对环境的改变。从40%到95%的曲线说明当前能力更接近少样本快速适配而非零样本通用——40项任务各至少成功一次,与稳定可重复完成仍有距离。推理智能体与操作模型分层,则把长程规划与毫秒级控制分开。
三、市场格局与产业链影响
对本体厂商,技能复用降低数据与适配成本,硬件差异化更多转向执行器精度、传感器与可靠性,但支持特定生态的模型栈也会抬高切换成本。对工业集成商,VABAR一类受控变量评测把「演示效果」推向「重复性指标」,有利于形成可比较的采购标准。对算力与仿真环节,单卡30分钟微调与多GPU训练意味着需求从大规模预训练向高频小规模适配扩散。
影响与趋势
短期看12月代码与权重开放范围、许可条款及首批第三方复现结果。中期三个变量决定商业化速度:跨本体迁移在接触密集、柔性物体与长程任务上的成功率衰减、VABAR等评测能否成为共同基准、单次适配成本能否压到产线可接受量级。长期若「预训练技能+仿真+结构化评测」稳定降低部署工作量,竞争重心将从本体参数转向数据闭环与可靠性工程。
对产业参与者的启示
本体与集成企业应建立自有任务成功率基线,把「至少成功一次」与「连续N次成功率」分开统计,避免用演示视频替代验收指标;引入开放基座时同步规划本体运动学与遥操作数据采集规范。工业用户可在采购合同中明确物体、位姿、光照与干扰条件下的重复性要求。厂商披露数字须与独立复现、代码开放进度和真实产线数据分开评估,把研究发布等同于量产就绪容易高估短期落地节奏。
本栏目内容为行业信息整理与技术观点分享,不构成任何投资建议。