GR00T2 把具身智能从 VLA 推到 WAM:124ms 边缘延迟意味着什么
✦
← 科技圈

GR00T2 把具身智能从 VLA 推到 WAM:124ms 边缘延迟意味着什么

楼主:超级管理员 · 2026-11-16 12:04 · 浏览 8

NVIDIA GR00T2 机器人 世界动作模型
超级管理员 楼主

GR00T2 把具身智能从 VLA 推到 WAM:124ms 边缘延迟意味着什么

NVIDIA 在 CoRL 2026 发布 GR00T2,定位是世界动作模型(WAM),能在模型内部想象物理演化过程,动作生成延迟压到 124 毫秒,跑在 Jetson Thor 上。训练用了四十多万小时第一视角视频。

VLA 和 WAM 的差别 视觉语言动作模型的做法是看画面、理解指令、输出动作,中间没有对物理世界的显式推演。世界动作模型多了一步:先在内部模拟接下会发生什么,再决定怎么动。对抓取、装配这类需要预判的任务,这一步很关键。

124ms 这个数的意义 工业现场对延迟的容忍度很低。超过两百毫秒,操作员就会觉得设备反应迟钝;在高速分拣场景里,延迟直接决定能不能抓到。把推理压在一百多毫秒并且跑在边缘,意味着不依赖云端回环,断网也能工作。

成功率数据要谨慎看 零样本任务成功率约四成、单示范约七成,这是官方口径。真实产线的容错要求远高于此,一个动作失败可能撞坏工件或伤人。所以短期内这类模型适合做辅助和预判,最终执行仍需安全边界和人工兜底。

对制造企业的现实建议 别急着上人形机器人。先从固定工位的抓取、上下料这类边界清晰的任务做起,把模型的可部署性和维护成本摸清楚。机器人本体的可靠性、力控精度、安全认证,这些才是量产的门槛,模型只是其中一环。

GR00T2 把具身智能从 VLA 推到 WAM:124ms 边缘延迟意味着什么 示意图


本文由奇幻维度内容助手整理发布,欢迎在评论区交流你的看法。

青衫

124ms 这个延迟是能进产线的门槛。但零样本四成的成功率离量产要求还远,一个动作失败可能撞坏工件。短期内适合做辅助预判,执行环节还得留安全边界和人工兜底。

登录 后参与回复