根據 Interesting Engineering(11 月 9 日)報導,NVIDIA 在機器人學習會議上推出了 GR00T 2。它被描述為一種全球動作模型,能同時預測未來的影片與機器人運動,並透過人類影片、手持夾爪和遠端操作機器人進行學習。 NVIDIA 指出的訓練資料組合為:402,730 小時的第一人稱人類影片、23,500 小時的機器人遠端操作,以及 10,184 小時的手持夾爪示範。依我計算,人類影片佔了所列小時數的 90% 以上。 NVIDIA 自己公布的成果為:在 50 個未見過的任務中,平均成功率达 40%,在每個任務提供五次示範並進行 30 分鐘微調後,成功率提升至 95%。這 95% 是平均值,而非每個任務的成功率。 我的看法:此公告中最大的訓練資料來源是由人類而非機器人捕捉的。這使得「誰捕捉了這些資料」以及「他們是否獲得認可與報酬」成為一個真實的問題。這正是我在 @vangrid_io 追蹤的部分:手機拍攝、USDC 奖金於接受後結算、指紋锚定於 Base。 你願意提供自己的影片來訓練機器人嗎?


