看人干活就能学会:英伟达 GR00T 2 让机器人靠 10 万小时人类视频学手艺
英伟达 GR00T 2 靠 10 万小时人类视频学手艺:50 个任务里 40 个零演示做成,1 次演示成功率 71%,5 次升到 95%。数字很亮眼,但权重与数据集还没给发布时间。

机器人开始“看人学艺”了
教机器人干精细活,一直是机器人学里最磨人的环节。让它走路、转弯、避障,仿真里练几百万次就能像模像样;可让它拧一颗毫米级的螺丝、把一根网线插进接口、叠好一件皱巴巴的衣服,难度就陡然上升:动作要轻、要准、还要能根据手感随时调整。真机上练,慢、贵、还容易把东西弄坏;仿真里练,又常常练出一身到了真机就失灵的本事。11 月 9 日,英伟达在奥斯汀举行的机器人学习大会(CoRL)上给出的答案是:别只盯着机器人自己的数据,让它直接看人是怎么干活的。公司当天发布了 GR00T 2,一个建立在 Cosmos 世界模型平台上的开放世界动作模型,训练数据里除了机器人演示,还包括 10 万小时人类第一人称视频。这是一个值得认真对待的转向:机器人学习的数据来源,正在从“机器人自己做”扩展到“人怎么做”。
这个判断不是空话,英伟达给出了可以检验的数字。在 50 个评估任务里,GR00T 2 有 40 个任务在完全没有针对性演示的情况下至少成功过一次;每个任务只给一次演示,50 个任务的平均成功率是 71%;给到五次演示,平均成功率升到 95%。三个数字要连起来读:第一个数字讲的是零样本泛化——没教过也能蒙对一部分;第二个数字讲的是小样本学习效率——教一次就能用;第三个数字讲的是上限——多教几次就相当可靠。对做机器人的人来说,第二个数最有含金量,因为现实中没有人会为每一个新任务攒几千条演示。一次演示就能从 0 到 71%,意味着新任务的启动成本被压到了一个小团队也负担得起的水平。当然,这些都是英伟达自己报告的受控评测数字,任务是在什么条件下选的、成功标准有多严,外界暂时只能相信官方口径,不能把它直接翻译成“拿到工厂就能干活”。
10 万小时人类视频,凭什么是关键一跃
GR00T 2 最有意思的部分不是参数规模,而是数据构成。此前机器人基础模型的瓶颈一直很具体:机器人演示数据太贵了。一台真机一小时能录的演示有限,还要人盯着、要场地、要把失败的片段挑出来。人类视频则完全是另一个量级:人每天都在干活,视频到处都是。英伟达这次把 10 万小时人类第一人称数据开源出来,等于把“看人学艺”这条路的数据门槛先帮大家垫了一层。配合发布的还有两条把视频变成训练数据的链路:Video to Data 工作流可以直接把人类视频转成仿真里的机器人演示,英伟达还为此设了一个挑战赛,邀请研究者来推进这条链路;EgoHand 开放模型则负责从视频里重建 3D 手部动作,上线两周在 Hugging Face 上的下载量已超过 4 万次。这两个配套动作说明,英伟达想卖的不只是一个模型,而是一条“人类视频进来、机器人技能出来”的生产线。
但“看人学艺”也有它绕不过去的坎。人手和机器人手长得不一样,人的动作幅度、发力方式、视角高度,搬到另一种身体上都需要重新映射。GR00T 2 宣称的“技能迁移”正是针对这一点:从人类演示里学到的技能,可以在没有机器人演示的情况下迁移到不同的机器人身体上。这个说法如果属实,意义比那几个成功率数字更大,因为它意味着一种机器人上验证过的技能,有机会复用到另一种机器人上,而不是每换一款硬件就从头再来。不过官方公告没有展开迁移在哪些身体之间做过、成功率如何,读者只能把它记为一个待验证的宣称,而不是已落地的能力。同样值得留意的还有智能体控制:AI 智能体可以通过 GR00T 2 的 API 和配套工具,把多个技能按顺序串起来执行,出错时还能恢复。这一步把模型从“会做单个动作”推向了“能完成一整段活”,也是机器人从演示走向可用的必经之路。
仿真才是真正的主战场
模型发布之外,这次发布里分量最重的一块其实是仿真。Isaac Lab 3.0 是英伟达开源机器人学习框架的最新版本,它让研究者可以用智能体快速搭起训练环境,用现成的仿真资产布置场景,在 PhysX 和 Newton 两种物理求解器之间切换,为感知训练挑选渲染器,还能用一套新的强化学习后训练库去打磨 GR00T 这类基础模型。Newton 是开源物理引擎,这次与 Isaac Lab 的结合更紧密之后,能模拟线缆、布料这类可变形物体,也能处理多关节灵巧手这种复杂铰接系统——恰恰是精细操作最需要的物理。英伟达给出的一个基准数字是:在基于视觉的灵巧操作基准上,Isaac Lab 3.0 配 Newton 的训练吞吐量达到 Isaac Lab 2.3 配 PhysX 的 2.5 倍。吞吐量在这里不是虚荣指标,它直接决定了一个团队一天能试多少种方案。
仿真里最能说明问题的是 AlphaNIST:一套策略学会了 NIST 装配任务板上的全部 20 个任务,操作的零件是毫米级的,训练信号只有一个“成功还是失败”的二元反馈。结果是训练成功率超过 98%,而给每个任务单独训一套策略只有 81%,GPU 用时还少了约 39 倍。一个策略学会 20 件事,比 20 个策略各学一件事更强、更快,这正是基础模型路线在仿真里应该交出的答卷。背后的 Success-Guided Sampling 方法来自华盛顿大学与英伟达,它把练习时间集中在成功率一半左右的任务上——也就是正在学会、还没学会的那些技能上,训练规模可以扩展到一百万个并行环境以上。对普通开发者来说,这些数字未必能直接复现,但它们指明了一个方向:精细操作的训练,正在从“堆真机演示”转向“在仿真里大规模试错”。
考试也得跟上:两套新基准
模型和仿真都发了,评测标准也得跟上,否则谁都说不清自己比别人强在哪。英伟达这次推了两套新的开放基准,都跑在 Isaac Lab-Arena 上。DexBench 由 RLWRLD 与英伟达合作开发,把灵巧操作的评测从桌面搬进了真实工作流:15 个任务、覆盖零售、物流、制造和酒店四个场景,考的是物体、空间和物理条件变化下的泛化能力。VABAR(变分自动化基准)来自加州大学伯克利分校与英伟达,覆盖六个工业任务,每个任务都有标准化的变化、难度分级和成功度量。Isaac Lab-Arena 0.4 的开发者预览版也随之到来,它的作用是把评测组合成可重复的实验,在几千种变化下并行跑策略,再把失败的共性暴露出来,让研究者知道下一轮该修什么。顺带一提,GR00T 2 在 RoboCasa365、RoboLab、RoboDojo 和 MolmoSpaces 这几个基准上,英伟达称其在视觉语言动作和世界动作模型类别里均排进前三,并有多个榜首。榜单成绩要结合“这是英伟达自己的选集”来理解,但至少说明这个模型在公开评测里不是陪跑。
谁在真用:目前还都是“测试中”
判断一次发布成色最直接的办法,是看有没有人真的拿去干活。英伟达点名的几家,措辞值得逐字留意:Nexuni 正在测试用它处理洗衣任务,富士康正在把它用于服务器制造的工厂自动化,西门子正在评估工业场景,MicroAGI 则在用经过强化学习后训练的 GR00T 2,让 YAM 机械臂完成网线插拔。四个例子里没有一个说“已经量产上线”,全部是测试、应用探索或评估阶段。这很诚实,也符合机器人行业的现实:从评测数字到生产线,中间还隔着可靠性、节拍、安全认证好几道关。值得注意的还有合作方的动向:Skild AI 在会上发布了基于 Newton 的 STEEL 刚体物理求解器,Flexion 展示了用 Isaac Lab 和 Newton 训练其机器人智能模型 Reflect,FieldAI、Dyna Robotics、Walden Robotics 和 Dexmate 也都在用这套仿真栈做各自的机器人。生态的广度是真实的,但生态的深度——有多少家真的把它放进生产流程——这次发布没有回答。
“开放”二字,要打一个问号
GR00T 2 被英伟达称为“开放前沿世界动作模型”,但“开放”到什么程度,公告本身留了白。官方博客没有给出 GR00T 2 权重与 10 万小时数据集的公开发布时间与许可条款;据 AIWeekly 的核查,公告里没有这些信息的发布时间表,而 Unite.AI 则提到研究页面称代码将于 12 月提供。也就是说,11 月 9 日这一天,公众拿到的是论文式的能力宣告和评测数字,而不是一个可以马上下载、马上跑起来的模型。这不是在指责英伟达——大模型发布时“先公布、后放出”已是常态——但读者应该分清“发布”和“可用”是两回事。在权重和许可落地之前,任何基于这次发布的开发计划都应该留有余地。同样,Isaac Lab 3.0 的情况要好一些:它本身就是开源框架,最新版本已经可以拿到,据 Unite.AI,该版本自 10 月 20 日起已全面可用,开发者今天就能动手。
仿真里跑得快,不等于真机上站得稳
对这次发布最需要保持清醒的地方,是仿真与真机之间的那道鸿沟。AlphaNIST 那个 98% 对 81% 的数字,是在仿真里、用二元成功信号训出来的;DexBench 与 VABAR 的评测也是在 Isaac Lab-Arena 的仿真环境里跑的。仿真最大的好处是便宜、可重复、能并行一百万个环境,最大的毛病则是它永远比真实世界干净:真实的线缆有磨损、真实的布料会静电吸附、真实的金属件有公差,传感器的噪声、光照的变化、地面的摩擦系数,每一项都可能让仿真里 95% 的成功率在真机上打对折。英伟达自己也明白这一点,所以这次发布里反复强调的是“训练、评测、再用失败指导下一轮学习”的闭环,而不是“模型已经能直接上岗”。从仿真到真机的迁移(sim-to-real)仍然是整个机器人行业最难啃的骨头,Isaac Lab 3.0 与 Newton 把这块骨头磨小了一圈,但没有把它啃掉。
除此之外还有三道关,公告里都没有展开,但任何想跟进的人都应该记在心里。第一是硬件成本:能跑 GR00T 2 的人形机器人本体、灵巧手、力控设备都不便宜,模型免费不等于系统便宜,小团队的账要把硬件、场地和安全防护一起算进去。第二是安全与认证:工厂、仓库、医院这些场景对机器人有严格的安全认证流程,一个在仿真里表现完美的策略,要通过安全评审才能靠近真人工作区,这个周期往往以年计。第三是数据许可:10 万小时人类视频开源了,但视频里的人是谁、授权链条是否干净,商业化使用时会不会有肖像与隐私方面的争议,公告没有交代。把这三点和前面的评测数字放在一起,结论就很清楚了:GR00T 2 是一次扎实的能力展示,也是一次有分寸的发布——它证明了“看人学艺”这条路在仿真里走得通,但从走得通到用得上,中间还隔着硬件、认证与许可三道门。12 月代码放出之后,最值得看的不是又有谁复现了 95%,而是有没有团队在真机上把这个数字守住一半以上。
对 vibe 开发者意味着什么
这场发布离普通 vibe 开发者看起来很远:没有人会在卧室里训一个能叠衣服的人形机器人。但它的方向值得每个做 AI 产品的人留意。过去两年,AI 的进步大多发生在屏幕里——聊天、写代码、画图;GR00T 2 代表的那条线,是把同样的“基础模型 + 大规模数据”打法搬进物理世界。10 万小时人类视频这个思路一旦跑通,机器人技能的获取成本会像今天的文本数据一样塌下来:人类的日常活动本身就是取之不尽的演示。对独立开发者更现实的启示在仿真一侧:Isaac Lab 3.0、Newton、Lab-Arena 都是开源的,Video to Data 的挑战赛也是公开的,这意味着一个人、一台机器,也能参与到机器人技能的训练与评测里来,不必先买一台真机。英伟达这次真正想讲的故事其实是这个:机器人不再只属于拥有硬件实验室的大公司,看人干活、仿真里练、基准上比,这条链路正在向所有人打开。能不能走通,要看 12 月代码放出之后,社区能不能复现那 71% 和 95%。在那之前,保持兴奋,也保持耐心。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。
2026 年 11 月 18 日,Google 发布 Gemini 4 Neon:综合指数 61 分排第三、编码指数 58.6 分排第一,价格每百万输入 3 美元、输出 15 美元。它夹在最重的 Carbon 与最轻的 Hydrogen 之间,在 Antigravity 里当总指挥、指挥一群 Hydrogen 子智能体;但按 token 算,它是 11 月里最贵的 Gemini 4,12 月 1 日之后才变成便宜的中间款。