まず、ここだけ

  • 人の映像や手持ち器具だけの実演を、その作業を練習していない別のロボットへ移せる。
  • 未経験50課題はゼロショット40%。5回の実演と30分の追加学習で95%まで上がる。
  • 推論モデルがWAM APIで指示し、YAMの組立は100回中97回以上成功している。

映像と動作を同時に読むSystem One

Those skills can carry across different robot bodies, reducing the need to teach each robot every task from scratch.

公式アカウント@nvidiaは2026年11月13日、研究向けオープンモデルGR00T 2をSystem Oneとして紹介した。人の実演から技能を学び、自分の動作が物理世界をどう変えるかを予測する。投稿の表示は約71.5万回、いいねは3128件だった。

研究ページではこれを基盤世界行動モデルと呼び、未来の映像と動作をまとめて出す。平行グリッパー、多指ハンド、ヒューマノイドで動き、事前学習には人の映像、手持ちグリッパー、ロボットのデータを使う。

練習していない体へ渡る三つの経路

技能の転移は、実演した器具と実行する機体が一致しなくても成立する。人だけが見せた作業、手持ちのUMI、指の動きを写す装着型DexUMIから、それぞれ別のロボットが長手順を引き受けた。

実演の出どころ移った作業と結果
人の映像のみ、両手の五指実験用漏斗にろ紙を敷き洗浄瓶で湿らせ、成功率65%
手持ちUMIからYAMアーム玩具ダンプを最後まで組立、成功率60%、所要は最長約4分
装着型DexUMIからロボットハンドバナナヨーグルトとグラノーラの用意、マッチでランプを点灯

30分の追加学習とWAM API

推論モデルがWAM API経由でGR00T 2を呼ぶ構成では、YAMの組立が100回中97回以上成功した。追加学習を抑えても、従来モデルには難しかった長手順の手指作業に届き、学習用コードは2026年12月の公開と告知されている。

  • 対象ロボットで未経験の50課題は、ゼロショットで成功率40%
  • 1課題あたり5回、3分未満のロボットデータとRTX 5090での30分学習で95%
  • 実機の強化学習により、接触の多い挿入3課題が88〜96%
  • 22自由度のSharpaハンド2基で、GB300メモリ装着85%、玩具トラック組立65%
NVIDIA GR00T 2の公開ページ元のページを別タブで開いて確認できます
『NVIDIA GR00T 2』公式ページ・関連リンクを開く ↗

話題の元投稿

作者の投稿や紹介を、X で確認できます。

よくある質問

GR00T 2のコードはいつ入手できるか

研究ページは2026年11月時点で、コードを12月に公開すると案内している。論文とBibTeXの項目も同じページに並ぶ。

参考リンク

  1. NVIDIA GR00T 2 関連ソース (1)x.com
  2. NVIDIA GR00T 2 関連ソース (2)research.nvidia.com