字节GR-2来袭！开启国内具身大模型新时代！！

主要观点总结

文章介绍了字节跳动ByteDance Research部门发布的第二代机器人大模型GR-2的相关内容，包括功能特色、学习过程、技术规格等。同时，文章还探讨了人形机器人技术的核心——具身智能算法，并阐述了全球初创公司、科技巨头/大厂在产品进展、人形机器人本体厂家与科技巨头/大厂合作现状等方面的情况。

关键观点总结

关键观点1: GR-2机器人大模型的功能特色

GR-2具备视频生成能力，能够通过输入图片和语言指令预测未来的视频，并生成相应的动作轨迹；具备多任务学习与泛化能力，平均成功率为97.7%，并在未知场景和物体上展现出泛化能力；能够与大语言模型结合，完成复杂的长任务，并与人类进行互动；具备环境适应性，能够鲁棒地处理环境中的干扰。

关键观点2: GR-2机器人大模型的学习过程

GR-2的预训练阶段类似于人类的婴儿期，通过观看来自学术公开数据集的3800万个视频片段进行生成式训练；在预训练之后，GR-2通过机器人轨迹数据进行微调，进一步提升了其动作预测和视频生成的能力。

关键观点3: 具身智能领域的现状和发展趋势

具身智能领域分为专注于具身大模型、人形机器人整机和两者同时涉及的三类公司。全球科技大厂和高等院校已经布局具身智能大模型方向研究，目前处于领先地位。国内大厂虽然已切入该领域，但重视程度不够。科技大厂通过投资和大模型赋能形式初步入局，初创公司在人形机器人商业化方面尝试寻找可落地情景。