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。