以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
GR00T 2: Scaling Robot Foundation Models for Generalization, Dexterity, and Adaptation 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ 打开原始媒体 ↗ GR00T 2
阅读原文 · NVIDIA et al.
向阳乔木 · publisher
在目标机器人从未练习过、只在人类视频或其他机器人数据里出现过的50个任务上，NVIDIA的GR00T 2零样本成功率是40%。每项再给5条演示，机器人数据总共不到3分钟，在一块RTX 5090上做30分钟LoRA微调后，成功率到95%。 官方页面顶部的视频说明是：一只灵巧机械手把GR00T 1的方块翻成GR00T 2。 观看原视频 这篇由NVIDIA等作者署...