Nvidia GR00T 2研究报告:从人类视频迁移机器人动作
Nvidia在GR00T 2研究报告中提出世界-动作模型,通过预测机器人即将看到的画面,将人类动作迁移到机械臂并生成相应控制指令。系统使用约400,000小时头戴摄像头视频训练,实验室任务成功率为10%至80%,部分任务经过不到3分钟常规训练后成功率由40%提升至95%。
Nvidia在GR00T 2研究报告中提出世界-动作模型,通过预测机器人即将看到的画面,将人类动作迁移到机械臂并生成相应控制指令。系统使用约400,000小时头戴摄像头视频训练,实验室任务成功率为10%至80%,部分任务经过不到3分钟常规训练后成功率由40%提升至95%。
Google、Stanford、Oxford 等机构研究人员提出 StreamVibe,使视频智能体区分明确、隐含和变化中的用户意图,并自主决定保持沉默或提供帮助。
腾讯混元发布 Hy-Nomas 开源交互式视频世界模型技术报告(arXiv:2610.36729),并开源 Hy-Nomas-Bench 数据集以支持可复现研究。官方还使用 Hy-Nomas 重现 Genie 4 示例并发布对比视频,读者可通过 https://hy-nomas.hy.tencent.com/ 无需排队试用。