Nvidia GR00T 2：观看人类视频后想象自己成为机器人完成操作
Nvidia发布GR00T 2，一款以世界-动作模型（WAM）为核心的具身智能基础模型，通过扩散技术同步预测机械臂下一步动作与未来视频帧。该模型在千余颗GB300芯片集群上训练了约40万小时的第一人称人眼视频，学习时仅需数分钟的手套或外骨骼演示输入即可完成抓取、切香蕉、分拣等任务；成功率为10%–95%不等。
#具身智能按原发与事件进展排列
The DecoderAI 评分6666 The DecoderAI 评分5959 Gemini Robotics 2.5 在梅赛德斯-奔驰组装线试点分拣金属件成功率达 96%
Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型，在梅赛德斯-奔驰匈牙利和德国工厂产线上测试时分拣金属件成功率达 96%。相比公司此前基线，成功率提升 30% 至 100%，任务完成速度提高 20% 至 30%，并新增开源的 ASIMOV-Jailbreak 安全评测基准；训练中用 Gemini 4 Argon 语言模型生成仿真数据以加速泛化。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini Robotics 2.5 具身智能模型
Google DeepMind 发布 Gemini Robotics 2.5，这是目前最强大的视觉-语言-动作（VLA）模型，在超过200项任务上进行了评估，相比此前基线任务成功率提升30%至100%，完成速度提升20%至30%。
推荐理由：Gemini Robotics 2.5 在真实产线测试中实现96%成功率并引入机器人对抗越狱基准，可评估其在物理场景中的实际落地进展。