Ipinakita ni NVIDIA ang GR00T 2 sa Konperensya sa Pagkatuto ng Robot, ayon sa Interesting Engineering (Nov 9). Ito ay ilarawan bilang isang pandaigdigang action model na nagtataya ng hinaharap na video at galaw ng robot nang sabay, at nagsusuri mula sa mga video ng tao, handheld grippers, at teleoperated na robot. Ang mix ng pagtuturo na binigay ni NVIDIA: 402,730 na oras ng first-person human video, 23,500 na oras ng robot teleoperation, at 10,184 na oras ng handheld gripper demos. Ayon sa aking kalkulasyon, ang video ng tao ay higit sa 90% ng nakalista na oras. Ang mga resulta ay nasa sarili ni NVIDIA: 40% na average na tagumpay sa 50 na hindi nakikita na gawain, tumataas hanggang 95% pagkatapos ng limang demos bawat gawain at 30-minutong fine tune. Ang 95% ay isang average, hindi isang rate bawat gawain. Ang aking pananaw: ang pinakamalaking imbakan ng training data sa pahayag na ito ay nakakuha ng mga tao, hindi ng mga robot. Ito ang nagiging tanong: sino ang nagkuha nito, at kung sila ay binigyan ng pagkilala at bayad. Ito ang bahagi na sinusundan ko sa @vangrid_io: phone capture, USDC bounties na nalulunas sa pagtanggap, fingerprints na nakabase sa Base. Magkakaroon ka ba ng iyong sariling footage upang turuan ang mga robot?