NVIDIA представила GR00T 2 на Конференции по обучению роботов, согласно Interesting Engineering (9 ноября). Она описывается как модель мировых действий, которая предсказывает будущее видео и движение робота вместе, обучаясь на видео людей, ручных захватывающих устройствах и телепереводимых роботах. Согласно NVIDIA, объем обучающих данных: 402 730 часов видео от первого лица, 23 500 часов телеперевода роботов и 10 184 часа демонстраций ручных захватывающих устройств. По моим подсчетам, видео людей составляет более 90% от указанного времени. Результаты предоставлены самой NVIDIA: средний успех в 40% на 50 невиданных задачах, растущий до 95% после пяти демонстраций на задачу и 30-минутной тонкой настройки. Эти 95% — это среднее значение, а не показатель для каждой отдельной задачи. Мое мнение: наибольший объем обучающих данных в этом объявлении был собран людьми, а не роботами. Это вызывает реальный вопрос: кто именно собирал эти данные, были ли они указаны и оплачены. Именно этим я занимаюсь в @vangrid_io: съемка с телефона, вознаграждения в USDC при подтверждении, отпечатки, привязанные к Base. Вы бы внесли свои собственные видео для обучения роботов?