2024年10月8日 · We present GR-2, a state-of-the-art generalist robot agent for versatile and generalizable robot manipulation. GR-2 is first pre-trained on a vast number of Internet videos to capture the dynamics of the world.

GR-2 is a language conditioned visual manipulation policy. The training undergoes two stages: video generative pre-training and robot data fine-tuning. During pre-training, we train GR-2 for video generation on a curated large-scale video dataset containing diverse daily human activities across different contexts.

2024年10月9日 · GR-2 以其卓越的泛化能力和多任务通用性，预示着机器人大模型技术将爆发出巨大潜力和无限可能。 GR-2 官方项目页面： https://gr2-manipulation.github.io. 和许多大模型一样，GR-2 的训练包括预训练和微调两个过程。 如果把机器人和人做比较，预训练过程就好像是人类的 “婴儿期”。 而 GR-2 的婴儿期与其他机器人截然不同。 在预训练的过程中，GR-2 在互联网的海洋中遨游。 它在 3800 万个互联网视频片段上进行生成式训练，也因此得名 GR …

2024年10月19日 · GR-2，是一款先进的通用机器人智体，可用于多功能和可泛化的机器人操纵。 GR-2 首先在大量互联网视频上进行预训练，捕捉世界的动态。 这项大规模预训练涉及 3800 万个视频片段和超过 500 亿个tokens，使 GR-2 能够在后续的策略学习中泛化到各种机器人任务和环境。 此后，GR-2 针对视频生成和使用机器人轨迹的动作预测进行了微调。 它表现出多任务学习能力，在 100 多项任务中实现了 97.7% 的平均成功率。 此外，GR-2 还展示了对新的、以前从未 …

2024年10月8日 · We present GR-2, a state-of-the-art generalist robot agent for versatile and generalizable robot manipulation. GR-2 is first pre-trained on a vast number of Internet videos to capture the dynamics of the world.

2024年12月30日 · GR-2在 3800 万条文本-视频数据（超过500亿个token）上进行了预训练，能够完成超过100项操作任务，并执行超过100个物体的抓取任务。 它显著扩大了预训练数据和任务的数量. 开发了一种新颖的模型架构，使得从预训练中获得的知识可以无损地无缝转移到下游微调。 该模型在处理多任务和具有挑战性的泛化环境中表现出强大的可扩展性. 具体来说，他们希望训练一个通用策略，它将语言指令 、环境观察序列 和机器人状态序列 作为输入，该策略以端到端 …

GR-2 is first pre-trained on a vast number of Internet videos to capture the dynamics of the world. This large-scale pre-training, involving 38 million video clips and over 50 billion tokens,...

2024年10月10日 · GR-2 is first pre-trained on a vast number of Internet videos to capture the dynamics of the world. This large-scale pre-training, involving 38 million video clips and over 50 billion tokens, equips GR-2 with the ability to generalize across a wide range of robotic tasks and environments during subsequent policy learning.

2024年10月16日 · GR-2是字节跳动研究团队开发的第二代机器人大模型，它通过模仿人类成长过程的训练方法学习复杂任务。 在预训练阶段，GR-2通过观看大量互联网视频学习人类的日常行为模式和世界环境，然后通过 微调 技术提升动作预测和视频生成能力。

2024年10月10日 · 字节跳动研究团队最新推出了第二代机器人大模型 GR-2（Generative Robot2.0），其亮点在于创新构建“机器人婴儿期”学习阶段，模仿人类成长学习复杂任务，具备卓越的泛化能力和多任务通用性。