Rohan Paul

Nvidia 发布了 GR00T 2，这是一个开放的世界动作模型，可以运行手臂、机器人手和人形机器人。 机器人通常从记录中学习，这些记录将每个相机帧与精确的运动命令配对，而这些命令仅来自驾驶真实机器人的人。 普通的人类视频更便宜、更丰富，但它没有运动命令，因此早期的模型几乎无法使用它。 GR00T 2 通过对 402,730 小时的人体头部摄像头视频和 10,184 小时的手持式抓手演示进行预训练，但只有 23,500 小时的遥控机器人时间，从而缓解了这一问题。