英伟达披露GR00T 2世界动作模型，将未来视频预测与机器人动作生成结合，探索跨机器人技能迁移和少样本适配。厂商报告每项五个示范后，50项经筛选任务的平均成功率达95%，但该结果未经独立复测，也不能代表长期、规模化工业生产的可靠性。
英伟达于2026年11月9日在机器人学习会议（CoRL）相关公告中披露GR00T 2，一种将未来视频预测与机器人动作生成结合的“世界动作模型”。它试图解决的不只是机器人该做什么，还包括动作执行后，物体和环境应如何变化。
根据英伟达公告，GR00T 2建立在Cosmos技术基础上，面向抓取、装配和接线等操作。公司报告，在一组50项任务的测试中，每项提供五个目标机器人示范后，平均成功率达到95%。不过，这一结果来自厂商指定的任务和实验条件，不能理解为任意工业作业都已达到相同可靠性；技术白皮书对这组任务的筛选方式，也给出了重要限定。
让机器人同时预测画面与动作
官方研究页介绍，GR00T 2读取近期视频、自然语言指令及机器人自身状态，再联合生成未来画面和一段动作。机器人执行动作后重新观察，继续下一轮预测，而不是一次生成整套动作后不再检查现场。
其核心是同一个扩散Transformer同时处理视频与动作：未来画面描述模型预期发生的变化，动作则对应如何促成这些变化。研究团队希望，这种联合学习能让人类视频中呈现的物理交互经验，也服务于机器人的操作学习。
这里的“预测”仍需与真实结果区分。研究页展示的未来视频是模型生成的画面，不是机器人已经完成任务的录像；看起来合理的预测，也不等于动作一定能够准确落地。
这种方向与此前Cosmos世界模型工具链的扩展有关，但报道对象不同：此前更新侧重数据、模型训练与闭环仿真工具；此次GR00T 2披露的重点，则是直接联合生成观察与动作的模型，以及它在跨机器人迁移和少量示范适配中的结果。
95%的成功率，究竟测了什么
英伟达的2026年11月技术白皮书说明，50项任务使用的是Dexter平台，即配备两只22自由度Sharpa灵巧手的Tianji机器人。这些任务没有出现在目标机器人的相应训练数据中，但曾出现在YAM机械臂数据、人类视频，或两者之中。因此，这里的“零样本”指没有目标机器人执行该任务的示范，并不意味着模型此前从未接触过这类任务。
直接使用预训练模型时，50项任务的平均成功率为40%；其中40项任务至少成功过一次。两者衡量的不是同一件事：“有过一次成功”的任务数量，不能替代多次试验中的平均成功率。
每项加入一个目标机器人示范后，平均成功率升至71%；加入五个后升至95%，其中37项任务在该轮评估中每次都成功。研究页称，五个示范合计不足三分钟机器人数据，每项适配通过单张RTX 5090进行约30分钟LoRA微调。这是已有预训练模型的任务适配成本，不是从零训练整个模型的成本。
更关键的是，白皮书图2的说明明确指出，这50项任务是模型在五个示范条件下能够学会、成功率至少达到80%的任务。因此，95%应被理解为这组经过筛选的任务上的结果，而不是对任意未见任务随机抽样后得到的通用成功率。较高的平均值显示了少样本适配的潜力，却不能单独回答模型能覆盖多大范围的实际工作。
少量示范背后，是大规模预训练
“只需五个示范”并不意味着机器人只看过五次操作。研究页列出的预训练数据包括402,730小时人类第一视角视频、10,184小时手持UMI夹爪示范，以及23,500小时机器人遥操作数据。少样本结果建立在这些既有经验之上。
公告提到的10万小时开放人类视频，是研究页所述人类视频数据中对外提供的一部分，不是全部预训练数据的规模。开放部分训练数据，也不等于模型权重已经可以下载；本次核验材料不足以据此确认GR00T 2权重的实际下载与许可状态。
跨机器人迁移是这套设计的另一项重点。研究团队展示了从人类示范、手持夹爪以及可穿戴采集设备向机器人转移技能的实验。例如，仅以人类演示相关任务时，双手机器人完成铺放滤纸并用洗瓶润湿的任务，报告成功率为65%。这说明经验可以在不同身体结构之间迁移，但也显示迁移后的表现仍因任务而异。
从单项技能到完整作业，仍需要纠错
操作能力之外，研究团队还将GR00T 2接入高层推理智能体：智能体拆解任务、观察进展，并在零件掉落或执行停滞时调用恢复技能，随后把操作交回模型。
研究页报告，在YAM机械臂连续装配三种玩具的测试中，加入智能体后，每种玩具的100次试验分别成功98、97和97次。这些是包含规划、监控和恢复机制的整套系统结果，不应归为GR00T 2单独执行时的成绩，也不应与前述50项少样本任务的95%混为同一组评估。
英伟达公告称，富士康正将GR00T 2用于服务器制造的工厂自动化，西门子正在评估工业应用，Nexuni则在测试衣物处理。这些描述表明企业正在探索应用，但公告没有提供足以证明长期、规模化生产可靠性的运行数据。
GR00T 2此次披露的实质，是把视频中的物理经验、跨机器人技能迁移和少量现场示范连接起来，并借助高层智能体处理长流程中的失败。它为减少逐任务采集数据提供了研究依据；距离工业验收仍需回答的，则是换一批任务、物体和现场条件后表现如何，以及失败能否被及时发现并安全处理。本文所述性能均来自英伟达披露，未经过独立复测。