英伟达发布GR00T 2 5次演示成功率升至95%

时间：2026 年 11 月 9 日（当地时间），美国得克萨斯州奥斯汀 CoRL 2026 会议现场发布 地点：美国得克萨斯州奥斯汀，CoRL（Conference on Robot Learning）机器人学习会议 人物：英伟达 GEAR 实验室与机器人研究团队、英伟达机器人工程总监 Spencer Huang、加州大学伯克利分校机器人学教授 Ken Goldberg，以及 Ambi Robotics、Bosch Research、Dexmate、Dyna Robotics、FieldAI、Flexion、Noitom Robotics、西门子、Skild AI、RLWRLD、华盛顿大学等合作方 事件详情：英伟达在 CoRL 2026 上发布新一代机器人基础模型 GR00T 2。GR00T 2 是基于 NVIDIA Cosmos 构建的前沿世界动作模型，它同时预测未来画面与机器人动作，而不只是输出动作。官方项目页披露，模型预训练数据包含 402,730 小时人类第一人称视频、10,184 小时手持 UMI 夹爪演示（覆盖 2,897 个任务）和 23,500 小时机器人遥操作数据，其中 10 万小时人类数据以 Human-1M-100K 在 Hugging Face 公开。在 50 个目标机器人从未见过、只出现在人类视频或其他机器人数据中的任务上，GR00T 2 零样本平均成功率为 40%，50 个任务中有 40 个至少成功过一次；每个任务只给 1 次演示时成功率升至 71%，给 5 次演示（对应不足 3 分钟机器人数据）升至 95%，每次适配只需在单张 RTX 5090 上做 30 分钟 LoRA 微调。接入推理模型充当智能体后，GR00T 2 在真实机器人上连续装配玩具飞机、拖拉机与 Hot Wheels 跑车各 100 次，分别成功 98、97、97 次，合计 292 次，而仅有监督微调的同一策略为 69 次。仿真侧，英伟达同步推出开源机器人学习框架 Isaac Lab 3.0，接入开源物理引擎 Newton 后可模拟电缆、织物等可变形物体与多关节灵巧手，在视觉灵巧操作基准上训练吞吐最高达到 Isaac Lab 2.3 搭配 PhysX 的 2.5 倍。评测侧同步新增 Isaac Lab-Arena 0.4 开发者预览版，以及两个开源基准：由 RLWRLD 与英伟达合作开发的 DexBench（覆盖零售、物流、制造、酒店 4 类场景共 15 个任务）和由加州大学伯克利分校与英伟达合作开发的 VABAR（6 个工业任务）。此外，开源手部模型 EgoHand 在 Hugging Face 发布两周下载量已超过 4 万次，NIST 联合的 AlphaNIST 项目用单一策略学会标准装配任务板全部 20 个任务、训练成功率超过 98%（按任务分别训练为 81%），GPU 时间节省约 39 倍，英伟达另有 GRAIL 与 RoboTTT 两篇论文入围数千篇投稿中的 6 篇最佳论文奖候选。 背景：机器人学习长期卡在两个瓶颈上：真实世界训练数据量巨大，以及编程机器人行为需要密集的工程投入。加州大学伯克利分校机器人学教授 Ken Goldberg 把这个缺口称作「10 万年数据鸿沟」，认为智能体机器人（agentic robotics）补上了模型式与模仿式方法之间缺失的一环，其 Graph-as-Policy 框架让智能体把单个技能拼成机器人程序，再在仿真中反复排错。英伟达机器人工程总监 Spencer Huang 表示，合作目标是让开发者在部署前就能快速测试并改进机器人行为。伯克利团队同期发布 Graph-as-Policy 论文（arXiv 编号 2607.05369）、VABAR 基准与开源代码。产业侧已有落地案例：Ambi Robotics 用这套方法分析分拣数据并更新机器人行为，单台机器人每年多分拣超过 1.5 万件包裹，相关更新已部署到其美国 30% 的机队。 影响：把「学会一个新动作」的门槛从「采集海量真机数据」降到「看人类视频加几分钟演示」，是本次发布对产业最直接的意义。GR00T 2 开放的是模型与训练方法，Isaac Lab 3.0、Isaac Lab-Arena、DexBench、VABAR 则把评测环境一并开放，研究者不必先买机器人就能横向比较策略表现。对国内机器人与具身智能团队而言，402,730 小时人类第一视角视频这条预训练数据源，提供了一条绕开真机数据采集瓶颈的新路径；EgoHand 与 Human-1M-100K 的公开也意味着手部操作数据与人类视频有条件成为公共基础设施。需要留意的是官方项目页标注 GR00T 2 代码将于 2026 年 12 月开放，而 2.5 倍吞吐来自 Isaac Lab 3.0 与 Newton 的搭配，仿真到真机的迁移效果仍需在真实任务上检验。 总结：英伟达在 CoRL 2026 上一次性放出 GR00T 2 世界动作模型、Isaac Lab 3.0 仿真框架与 DexBench、VABAR 两个工业基准，把机器人学习的重心从「移动」推向「精细操作」。GR00T 2 的核心是跨形态迁移：只看人类视频就能学会新动作，50 个陌生任务零样本成功率 40%，5 次演示可推到 95%，配合推理模型还能在真实机器人上完成 292/300 次连续装配。仿真侧，Isaac Lab 3.0 搭配 Newton 物理引擎把训练吞吐最高提升到上一代的 2.5 倍。对开发者来说这套组合明显降低了复现门槛，但代码要到 12 月才开放，实际落地节奏仍取决于生态跟进速度。 参考来源： 英伟达官方博客：CoRL 大会发布 GR00T 2、Isaac Lab 3.0 与新基准 https://blogs.nvidia.com/blog/robotics-simulation-advancements-corl/ 英伟达研究团队 GR00T 2 模型项目页 https://research.nvidia.com/labs/gear/gr00t-2 加州大学伯克利分校新闻：Goldberg 谈智能体机器人与 VABAR 基准 https://news.berkeley.edu/2026/11/09/recent-advances-in-ai-are-creating-a-paradigm-shift-for-robotics/ 智通财经：英伟达在 CoRL 会议推出 GR00T 2 等新品 https://www.bitget.ng/zh-TC/news/detail/12560606136156 AIstify：NVIDIA Introduces GR00T 2 to Help Robots Learn From Human Video https://aistify.com/nvidia-groot-2-robot-learning-isaac-lab-corl/ Aipolix：英伟达在 CoRL 发布 GR00T 2、Isaac Lab 3.0 与新开源基准 https://aipolix.com/en-us/news/nvidia-groot-2-isaac-lab-3-corl