软件教程

GR00T 2 开源:5 次演示到 95%,一张 5090 半小时适配

一、模型在预测什么

11 月 9 日,在奥斯汀的 CoRL 2026 上,英伟达发布了 GR00T 2:一个 20 亿参数的机器人基础模型,底座是 Cosmos-Predict2.5-2B,代码将在 12 月开放。输入是最新的几帧相机画面、机器人状态和一条文字指令,输出是对未来画面的预期,以及下一段动作序列。

一个预训练 checkpoint 同时覆盖平行夹爪机械臂、灵巧手和人形三类形态。官方给出的零样本成绩是:在 50 个目标机器人训练数据里从未出现过的任务上,平均成功率 40%。这个数字不算惊艳,但它是一个模型、没有任何微调跑出来的。

二、真正的重点是训练配方

预训练混了三份数据:402730 小时第一人称人类视频;10184 小时手持夹爪演示,覆盖 2897 个任务;23500 小时机器人遥操作。其中 10 万小时人类数据以 Human-1M-100K 的名义按 CC BY 4.0 开放,允许商用——这是目前公开的最大规模人类操作数据集之一。

适配成本低得有点不真实。在 Dexter 评测集上,每个任务给 1 次演示就能到平均 71%,给 5 次到 95%;每个任务需要的机器人数据不到 3 分钟,之后大约 30 分钟的 adapter 微调,单张 RTX 5090 就能跑完。

白皮书自己写明了:参与评测的任务,是从能靠 5 个 episode 学到 80% 以上的任务里挑出来的。读 95% 这个数,要带上这把筛子。

三、12 月之后怎么上手

第一步搭环境。Isaac Lab 3.0 已在 10 月 20 日 GA,Newton 后端支持刚体、可变形体和粒子,在基于视觉的灵巧操作基准上训练吞吐是 2.3 版本的 2.5 倍。

第二步采数据,顺序别搞反。先采 1 到 5 次演示做验证,确认模型能吃下这个任务,再考虑上遥操作大规模采集。反过来做,大概率是几周采集换来一个学不动的数据集。

第三步微调,只训 adapter,不要动主干。主干的通用性是你最贵的资产,动它等于把 40 万小时的预训练一起赌掉。

第四步在仿真里验证策略。NIST Assembly Task Board 那套评测上,AlphaNIST 的做法是用一个共享策略加是或否的成功奖励,做到 98.2%;每个任务单独训一个策略是 81.4%,而 GPU 时间省了大约 39 倍。

第五步换场景时先跑基准。DexBench v1.0 是英伟达与韩国创业公司 RLWRLD 合作做的,15 个任务覆盖零售、物流、装配、酒店餐饮。先看你的场景离哪个最近,再决定要不要重新采数据。

对小型机器人团队来说,这次变化的核心不是模型多强,而是不用再从零采数据。先把一条 5 次演示的链路跑通,比去追那 40% 的零样本有意义得多。