先看幾個重點
- Nvidia 的 GR00T 2 發布，顯示其目標是減少訓練機器人執行操作任務所需的任務特定示範。
- Nvidia 在發布 GR00T 2 的同時，也推出開源機器人學習框架 Isaac Lab 3.0，強化 PhysX 與 Newton 物理求解器之間的整合。
- Nvidia 推出開放的 Video to Data 工作流程，旨在將人類影片轉換為模擬機器人示範，並發表 EgoHand，這是一個可從單眼第一人稱影片重建三維手部動作的模型。
摘自本文 · 2026-11-10
接著看完整內容Nvidia 將重心轉向可轉移的機器人技能
Nvidia 的 GR00T 2 推出，顯示其目標是減少訓練機器人執行操作任務所需的特定任務示範。該公司表示，此模型在未使用特定任務示範的情況下，於接受評估的 50 項任務中有 40 項至少成功完成一次；在每項任務提供一次示範時，這些任務的平均成功率為 71%，提供五次示範時則提高至 95%。這些是 Nvidia 公佈的基準測試結果，並非經獨立驗證的部署系統效能。
該模型在德州奧斯丁舉行的 Conference on Robot Learning 上發表。與較早期的視覺—語言—行動模型不同，GR00T 2 是一款世界行動模型，可在執行一組行動前，預測未來的影片影格與機器人行動。它建構於 Nvidia Cosmos 之上，並以機器人與人類資料進行訓練，包括 100,000 小時的 Nvidia 開源人類第一人稱影片。
模擬吞吐量解決訓練瓶頸
Nvidia 在推出 GR00T 2 的同時，也發布了開源機器人學習框架 Isaac Lab 3.0，加強 PhysX 與 Newton 物理求解器之間的整合。在 Nvidia 以視覺為基礎的靈巧操作基準測試中，採用 Newton 的 Isaac Lab 3.0 訓練吞吐量最高可達採用 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
該框架也支援模擬機器人、以感知為導向的算繪器，以及對 GR00T 等模型進行強化學習後訓練。其實際意義在於，可能減少訓練與改進操作策略所需的模擬工作量，但吞吐量比較僅限於所引用的基準測試。
在 newly introduced 的 AlphaNIST 基準測試中，一項涵蓋 20 項任務的單一策略，其訓練成功率達 98%，相較於各任務分別使用獨立策略時的 81%，且 GPU 時間約少 39 倍。Nvidia 還推出涵蓋四種工業場景共 15 項任務的 DexBench，以及以標準化變體評估六項工業任務的 VABAR。這些數據描述的是 Nvidia 基準測試中的訓練效能，並不能證明已獲商業採用。
開放工具的範圍超越模型本身
Nvidia 推出開放的 Video to Data 工作流程，旨在將人類影片轉換為模擬機器人示範，並發表 EgoHand，這是一個可從單眼自我中心視訊重建三維手部動作的模型。Noitom Robotics 表示，其 HiPHI-Hand 資料集——11 小時的同步雙魚眼影片、以頭戴裝置為參考基準的相機外參，以及光學動作捕捉的關節位置——已處理成 Nvidia 的 SOMA-Hand 表示形式，供 EgoHand 的訓練語料庫使用。
Noitom 計畫在 CoRL 現場展示 EgoHand，並已將該模型整合至其中一條自我中心資料流程中，作為手部標註階段進行評估。這項差異很重要：HiPHI-Hand 已公開發布，但 EgoHand 更大範圍的訓練語料庫，以及據報含有 1,400 萬張影像的訓練集，並不代表所有底層素材都能不受限制地存取。
部署仍處於測試與評估階段
Nvidia 表示，Foxconn 正將 GR00T 2 應用於伺服器製造的工廠自動化，Siemens 正針對 various industrial use cases 進行評估，Nexuni 正測試機器人處理洗衣作業，MicroAGI 則使用經後訓練的模型進行乙太網路線纜更換。這些揭露顯示的是正在進行的技術評估，而非已確認的訂單、生產部署或保證採購。
根據 Humanoids Daily 對 Nvidia 在 CoRL 發表的內容所作報導，GR00T 2 與較輕量的 Turbo 版本預計將於 12 月以開源方式發布。本次審閱的報導對於哪些內容已開放存在分歧：部分工具與資料集在會場即可取得，但主要模型權重與跨本體訓練方法仍預定於 12 月公佈。因此，下一個重要里程碑是預定發布，之後則是更廣泛的可重現性與實際世界效能測試。
產業與產品意涵
產業／產品 | 已揭露事實 | 詮釋與階段 | 驗證訊號 | 主要風險 |
|---|---|---|---|---|
GR00T 2（使能技術） | Nvidia 在 CoRL 2026 發表 GR00T 2，並表示在未使用任務專屬示範的情況下，於接受評估的 50 項任務中有 40 項至少成功完成一次；每項任務提供一次示範時，平均成功率為 71%，提供五次示範時則為 95%。 | 已揭露事實；計畫中。Nvidia 將這款世界動作模型定位為可從人類與機器人資料中學習操作技能，並支援跨本體轉移與少樣本適應。 | 觀察預計於 12 月進行的開源發布，以及後續的獨立基準測試與部署結果。 | 上述數據來自 Nvidia 選定的基準測試，不能證明其在所有機器人機體或生產工作負載上的效能。 |
Isaac Lab 3.0（使能技術） | Nvidia 在發表 GR00T 2 的同時推出 Isaac Lab 3.0；在所引用的視覺式靈巧操作基準測試中，其 Newton 設定的訓練吞吐量最高達到採用 PhysX 的 Isaac Lab 2.3 的 2.5 倍。 | 已揭露事實；運作中。這套模擬與強化學習工具可讓機器人策略在部署至實體系統前，先完成訓練與後續訓練。 | 觀察獨立的吞吐量比較，以及從模擬成功轉移至實體機器人任務的成果。 | 2.5 倍的比較僅適用於該公司引用的基準測試，未必能套用至每種模擬工作負載。 |
Newton（使能技術） | Isaac Lab 3.0 提供與開源 Newton 物理引擎更緊密的整合，包括對纜線、布料等可變形物體，以及複雜關節式機器人手的模擬。 | 已披露事實；營運中。對可變形與具關節結構的系統進行更精確的模擬，可支援操作策略的訓練，並以轉移至實體機器人為目標。 | 觀察纜線、布料與具關節手部的基準測試結果，以及策略轉移至實體環境的表現。 | 模擬方面的改進本身並不保證能成功從模擬環境轉移至實體機器人。 |
EgoHand（上游） | Nvidia 以 OpenMDW 授權釋出 EgoHand，該授權允許免費商業使用；Noitom Robotics 擷取了 HiPHI-Hand 資料，而 NVIDIA 將其處理成 SOMA-Hand 表示形式，作為 EgoHand 訓練語料庫中的一個真實世界來源。 | 已披露事實；營運中。精確的第一人稱手部擷取資料可提供單目三維手部重建所需的訓練與標註資料。 | 觀察獨立第一人稱資料集上的準確度與延遲，以及標註流程的其他實際應用。 | EgoHand 的可用性並不代表每項基礎訓練素材都採用開放授權，而已報告的基準準確度也無法證明普遍效能。 |
HiPHI-Hand（上游） | Noitom Robotics 在 Hugging Face 上釋出 HiPHI-Hand，其中包含 11 小時同步的雙魚眼第一人稱影片、以頭戴裝置 IMU 為參考基準的相機外參，以及透過光學動作捕捉取得的三維手部關節位置。 | 已披露事實；營運中。該資料集提供同步的第一人稱影像與精確的手部真值，可用於手部模型訓練與標註。 | 觀察該資料集在其他模型訓練與標註專案中的採用情形，以及資料集使用結果的披露。 | HiPHI-Hand 的商業使用須另行向 Noitom Robotics 取得授權，因此開放研究存取並不等於可不受限制地用於商業用途。 |
分享這篇文章
