在美国奥斯汀举行的CoRL大会上，英伟达GEAR团队发布了新一代机器人基础模型GR00T 2。该模型定位为可本地运行、响应迅速的”快系统”物理技能模型，能够同时预测未来画面与机器人动作。官方演示显示，GR00T 2可完成裁标签、安装显卡、擦火柴、切香蕉做早餐、收桌子等任务，覆盖从双手精细操作到全身移动的多种能力。英伟达方面透露，模型、数据、仿真环境和数据采集硬件将陆续开源，目前10万小时人类数据已率先开放。
此次发布的核心亮点是跨本体适配能力。据团队介绍，过去训练机器人完成新任务通常需要针对特定身体形态重新采集示范数据，而新方法尝试让人类或手持设备示范的技能直接迁移给未训练过该任务的机器人。官方展示了三条迁移路径：从人类动捕示范迁移到双五指手机器人，20次试验成功率65%；从手持夹爪迁移到机械臂，可端到端完成约四分钟组装任务，成功率60%；从可穿戴外骨骼迁移到机器人灵巧手，完成制作早餐等任务。团队强调，这并不意味着完全不需要机器人数据，目标机器人仍会提供与具体任务无关的数据以熟悉自身结构。
在精度提升方面，模型在Dexter-50评测中零样本平均成功率40%，每项任务提供一次示范后升至71%，五次示范后达95%，且五次示范合计不足三分钟，随后在单张RTX5090上进行约30分钟微调即可适配任务。英伟达同时开放了WAM API，使推理模型可负责任务拆解与进度检查，将具体物理技能交由GR00T 2执行。
支撑上述能力的是规模庞大的数据体系：预训练混合了约40.3万小时人类第一视角视频、约1.02万小时手持UMI演示（覆盖2897项任务）以及约2.35万小时机器人遥操作数据。团队还专门验证了人类视频的作用——在72项任务上，随着人类视频数据增加，真实机器人平均任务进度从50%提升至70%。围绕GR00T 2，英伟达正将数据采集、处理、训练、仿真验证和部署串成完整工具链，包括UMI等采集设备、Human-1M与Flora数据工具、SimFoundry仿真环境，以及ASPIRE、Turbo、SONIC等执行组件。
值得关注的是，同日Anthropic发布的Claude Fable 5.2在RoboDojo Sim仿真双臂测试中得分64.9%，而GPT-6 Astra为29.8%。Jim Fan在演讲中表示：”这不是寒冬，这是机器人的夏天。”
