本文へスキップ

GR-2

汎用化された操作を目指すロボットエージェント

公式サイトを見る

GR-2 とは

本モデルは世界の動きを捉えるためインターネット動画で事前学習し、ロボット軌跡で微調整される汎用ロボットエージェントである。

できること

  • 産業現場でエンドツーエンドの二値ピッキングを行う
  • CALVIN ベンチマークで長い視野の言語制御をこなす
  • 新しい背景、環境、対象、課題の下で操作する

モデルに関する覚え書き

  • 事前学習は 3800 万の動画クリップと 500 億トークンを含む
  • 微調整は動画生成と動作予測を対象にする
  • モデル規模の拡大に合わせて効率よく広がる

長所と短所

✓ 良い点

  • 未見の背景、対象、課題にも汎化する
  • 100 超の課題にまたがるマルチタスク学習

! 注意したい点

  • 事前学習は大規模なインターネット動画に依存する
  • 微調整にはロボット軌跡のデータが必要

よくある質問

事前学習の規模は?

資料には 3800 万の動画クリップと 500 億超のトークンが記載されている。

成功率はどの程度?

100 超の課題で平均成功率 97.7% と記載されている。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法