NVIDIA đã trình làng GR00T 2 tại Hội nghị về Học robot, theo Interesting Engineering (ngày 9 tháng 11). Nó được mô tả là một mô hình hành động toàn cầu có khả năng dự đoán đồng thời video và chuyển động của robot trong tương lai, đồng thời học từ các video con người, tay kẹp cầm tay và robot điều khiển từ xa. Theo NVIDIA, tỷ lệ dữ liệu huấn luyện gồm: 402.730 giờ video từ góc nhìn thứ nhất của con người, 23.500 giờ điều khiển từ xa robot và 10.184 giờ trình diễn tay kẹp cầm tay. Theo tính toán của tôi, video của con người chiếm hơn 90% tổng số giờ được liệt kê. Kết quả do NVIDIA công bố: đạt trung bình 40% thành công trên 50 nhiệm vụ chưa từng thấy, tăng lên 95% sau năm lần trình diễn cho mỗi nhiệm vụ và tinh chỉnh 30 phút. Mức 95% này là giá trị trung bình, không phải tỷ lệ thành công trên từng nhiệm vụ. Quan điểm của tôi: khối lượng dữ liệu huấn luyện lớn nhất trong thông báo này được ghi lại bởi con người, chứ không phải robot. Điều đó đặt ra câu hỏi thực sự về người ghi lại dữ liệu, liệu họ có được ghi nhận và trả thù lao hay không. Đây là phần tôi theo dõi tại @vangrid_io: ghi hình bằng điện thoại, phần thưởng USDC được thanh toán khi chấp nhận, dấu vân tay được gắn trên Base. Bạn có đóng góp video của chính mình để huấn luyện robot không?