快速了解本文
NVIDIA 发布 GR00T 2 世界动作模型，具备显著少样本泛化与跨形态迁移能力。
Isaac Lab 3.0 框架结合 Newton 引擎，训练吞吐量提升至上一版本的 2.5 倍。
NVIDIA 宣布投资 Point2，并计划对 Motif Technologies 等机构进行投资。
本摘要由 AI 辅助整理，请以正文内容为准。
数智朋克讯 2026年11月，NVIDIA 在德克萨斯州奥斯汀举行的 CoRL（Conference on Robot Learning）大会上发布了 GR00T 2 世界动作模型与 Isaac Lab 3.0 机器人学习框架。此次发布旨在通过强化基础模型的少样本泛化能力，并结合新一代物理仿真引擎，突破机器人在新任务适应与复杂物理仿真训练中的效率瓶颈。
01GR00T 2：少样本泛化与跨形态迁移
作为 NVIDIA 更新的前沿世界动作模型，GR00T 2 在包含 10 万小时开源第一人称数据等多样化数据上进行训练。该模型展现出显著的少样本泛化与跨形态迁移能力：在无需特定任务演示的情况下，它已能完成 50 个评估任务中的 40 个；若每个任务仅提供 1 个演示，其平均成功率可达 71%，5 个演示时则提升至 95%。此外，GR00T 2 能够直接从人类演示中学习，并在不同机器人本体间迁移技能，无需针对特定机器人采集专属演示数据。在 RoboCasa365、RoboLab 等主流基准测试的视觉-语言-动作（VLA）和世界动作模型类别中，GR00T 2 均位列前三。
02Isaac Lab 3.0：物理仿真与评估体系升级
在仿真训练侧，最新开源的 Isaac Lab 3.0 框架支持研究人员在 NVIDIA PhysX 和 Newton 物理求解器之间自由切换。通过与 Newton 引擎深度集成，Isaac Lab 3.0 能够精确模拟电缆、布料等可变形物体，以及具有多关节交互的复杂机器人手部系统。在基于视觉的灵巧操作基准测试中，结合 Newton 引擎的 Isaac Lab 3.0 训练吞吐量达到了上一版本（Isaac Lab 2.3 结合 PhysX）的 2.5 倍。为完善评估体系，NVIDIA 还发布了用于大规模策略评估的 Isaac Lab-Arena（0.4 开发者预览版），并联合 RLWRLD 等机构推出 DexBench 和 VABAR 两个新基准测试，以衡量机器人在工业任务中的灵巧性与适应性。
关键数据
03合作伙伴与资本布局
目前，Ambi Robotics、FieldAI、Flexion、Skild AI 及 RLWRLD 等多家合作伙伴已在使用上述新技术。在资本布局方面，NVIDIA 宣布投资韩国初创公司 Point2，并计划对 Motif Technologies、RLWRLD 和 Upstage 进行投资。