字节跳动发布 GR-2 机器人 AI 大模型：任务平均完成率 97.7%，模拟人类学习处理复杂任务

GoodNav 于10月10日发布消息，字节跳动研究团队全新推出了第二代机器人大模型 GR-2（Generative Robot2.0）。此模型的特色在于其创新性的“机器人婴儿期”学习阶段，模仿人类成长过程以掌握复杂任务，展现出卓越的泛化能力和多任务通用性。

与其他许多 AI 模型相比，GR-2 也经过了预训练和微调两个主要阶段。

在预训练阶段，GR-2“观看”了多达 3800 万个来自各类公开数据集的互联网视频及 500 亿个 tokens，涵盖了家庭、户外、办公室等多种日常场景，这使得 GR-2 在后续的策略学习中具备跨越广泛机器人任务和环境的泛化能力。

在微调阶段，团队对视频生成和动作预测进行了机器人轨迹微调，展现了卓越的多任务学习能力，在超过 100 个任务中达到了平均成功率 97.7%。

此外，GR-2 在新颖且前所未见的场景中展现了出色的泛化能力，包括应对新的背景、环境、物体和任务。

参考地址

• GR-2: A Generative Video-Language-Action Model with Web-Scale Knowledge for Robot Manipulation

• 字节跳动推机器人大模型 GR-2 展现智能自主操作新高度

• GR-2 登场！ByteDance Research 提出机器人大模型，具备世界建模和强大泛化能力