Nvidia 发布 GR00T 2，让机器人训练更多利用人类视频

英伟达发布了 GR00T 2，这是一款可控制机械臂、机器人手和人形机器人的开放世界动作模型。

机器人通常通过录像学习，录像将每一帧摄像头画面与精确的电机指令配对，而这些数据只能由人操控真实机器人获得。

普通的人类活动视频成本低得多，数量也丰富得多，但其中没有电机指令，因此早期模型几乎无法利用它。

GR00T 2 通过使用 402,730 小时的人类头戴摄像头视频和 10,184 小时的手持夹爪操作演示进行预训练，缓解了这一问题，而遥控操作机器人的数据仅有 23,500 小时。